Buchumschlag

How does Labeling Error Impact Contrastive Learning? A Perspective from Data Dimensionality Reduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jun, Chen, Hong, Yu, Yonghua, Ying, Yiming
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting Graph Contrastive Learning on Anomaly Detection: A Structural Imbalance Perspective
von: Xu, Yiming, et al.
Veröffentlicht: (2025)

Mitigating the Impact of Labeling Errors on Training via Rockafellian Relaxation
von: Chen, Louis L., et al.
Veröffentlicht: (2024)

Class-aware and Augmentation-free Contrastive Learning from Label Proportion
von: Wang, Jialiang, et al.
Veröffentlicht: (2024)

Error Reduction from Stacked Regressions
von: Chen, Xin, et al.
Veröffentlicht: (2023)

Weakly-Supervised Contrastive Learning for Imprecise Class Labels
von: Zhou, Zi-Hao, et al.
Veröffentlicht: (2025)

Rethinking Dimensional Rationale in Graph Contrastive Learning from Causal Perspective
von: Ji, Qirui, et al.
Veröffentlicht: (2023)

Understanding and Mitigating Human-Labelling Errors in Supervised Contrastive Learning
von: Long, Zijun, et al.
Veröffentlicht: (2024)

Learning Label Refinement and Threshold Adjustment for Imbalanced Semi-Supervised Learning
von: Li, Zeju, et al.
Veröffentlicht: (2024)

ERASE: Error-Resilient Representation Learning on Graphs for Label Noise Tolerance
von: Chen, Ling-Hao, et al.
Veröffentlicht: (2023)

Learning with Selectively Labeled Data from Multiple Decision-makers
von: Chen, Jian, et al.
Veröffentlicht: (2023)

Multi-Label Contrastive Learning : A Comprehensive Study
von: Audibert, Alexandre, et al.
Veröffentlicht: (2024)

FedCoSR: Personalized Federated Learning with Contrastive Shareable Representations for Label Heterogeneity in Non-IID Data
von: Huang, Chenghao, et al.
Veröffentlicht: (2024)

Attention Based Machine Learning Methods for Data Reduction with Guaranteed Error Bounds
von: Li, Xiao, et al.
Veröffentlicht: (2024)

Improving Multi-Label Contrastive Learning by Leveraging Label Distribution
von: Chen, Ning, et al.
Veröffentlicht: (2025)

The Semantic Architect: How FEAML Bridges Structured Data and LLMs for Multi-Label Tasks
von: Gao, Wanfu, et al.
Veröffentlicht: (2025)

Three-Way Trade-Off in Multi-Objective Learning: Optimization, Generalization and Conflict-Avoidance
von: Chen, Lisha, et al.
Veröffentlicht: (2023)

Dimensionality Reduction on Riemannian Manifolds in Data Analysis
von: Ichi, Alaa El, et al.
Veröffentlicht: (2026)

Learning Label Hierarchy with Supervised Contrastive Learning
von: Lian, Ruixue, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Hyperbolic Dimensional Collapse in Graph Contrastive Learning
von: Zhang, Yifei, et al.
Veröffentlicht: (2023)

Adaptive Label Error Detection: A Bayesian Approach to Mislabeled Data Detection
von: Chaudhry, Zan, et al.
Veröffentlicht: (2026)

Integrating Distribution Matching into Semi-Supervised Contrastive Learning for Labeled and Unlabeled Data
von: Nakayama, Shogo, et al.
Veröffentlicht: (2026)

Ranking and Combining Latent Structured Predictive Scores without Labeled Data
von: Afshar, Shiva, et al.
Veröffentlicht: (2024)

Revisiting Modularity Maximization for Graph Clustering: A Contrastive Learning Perspective
von: Liu, Yunfei, et al.
Veröffentlicht: (2024)

How Robust is Federated Learning to Communication Error? A Comparison Study Between Uplink and Downlink Channels
von: Qu, Linping, et al.
Veröffentlicht: (2023)

Tensor-Var: Efficient Four-Dimensional Variational Data Assimilation
von: Yang, Yiming, et al.
Veröffentlicht: (2025)

Global-Graph Guided and Local-Graph Weighted Contrastive Learning for Unified Clustering on Incomplete and Noise Multi-View Data
von: He, Hongqing, et al.
Veröffentlicht: (2025)

Learning from Concealed Labels
von: Li, Zhongnian, et al.
Veröffentlicht: (2024)

On the Robustness of Langevin Dynamics to Score Function Error
von: Cao, Daniel Yiming, et al.
Veröffentlicht: (2026)

A Mutual Information Perspective on Federated Contrastive Learning
von: Louizos, Christos, et al.
Veröffentlicht: (2024)

Semi-supervised Contrastive Learning Using Partial Label Information
von: Hansen, Colin B., et al.
Veröffentlicht: (2020)

Contrastive Learning for Multimodal Human Activity Recognition with Limited Labeled Data
von: Jing, Long, et al.
Veröffentlicht: (2026)

Rethinking Graph Domain Adaptation: A Spectral Contrastive Perspective
von: Zhang, Haoyu, et al.
Veröffentlicht: (2025)

How Does Bayes Error Limit Probabilistic Robust Accuracy
von: Zhang, Ruihan, et al.
Veröffentlicht: (2024)

Urban-Focused Multi-Task Offline Reinforcement Learning with Contrastive Data Sharing
von: Zhao, Xinbo, et al.
Veröffentlicht: (2024)

FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction
von: Li, Ziwei, et al.
Veröffentlicht: (2024)

Unlocking the Power of Open Set : A New Perspective for Open-Set Noisy Label Learning
von: Wan, Wenhai, et al.
Veröffentlicht: (2023)

How does My Model Fail? Automatic Identification and Interpretation of Physical Plausibility Failure Modes with Matryoshka Transcoders
von: Tang, Yiming, et al.
Veröffentlicht: (2025)

Feature-Label Modal Alignment for Robust Partial Multi-Label Learning
von: Chen, Yu, et al.
Veröffentlicht: (2026)

StatioCL: Contrastive Learning for Time Series via Non-Stationary and Temporal Contrast
von: Wu, Yu, et al.
Veröffentlicht: (2024)

Dual-Label Learning With Irregularly Present Labels
von: Li, Mingqian, et al.
Veröffentlicht: (2024)