Copertina

Variational Rectification Inference for Learning with Noisy Labels

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sun, Haoliang, Wei, Qi, Feng, Lei, Hu, Yupeng, Liu, Fan, Fan, Hehe, Yin, Yilong
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

EchoAlign: Bridging Generative and Discriminative Learning under Noisy Labels
di: Zheng, Yuxiang, et al.
Pubblicazione: (2024)

Holistic Optimal Label Selection for Robust Prompt Learning under Partial Labels
di: Zhao, Yaqi, et al.
Pubblicazione: (2026)

Understanding and Mitigating the Bias in Sample Selection for Learning with Noisy Labels
di: Wei, Qi, et al.
Pubblicazione: (2024)

Towards Macro-AUC oriented Imbalanced Multi-Label Continual Learning
di: Zhang, Yan, et al.
Pubblicazione: (2024)

Riemannian MeanFlow for One-Step Generation on Manifolds
di: Zhong, Zichen, et al.
Pubblicazione: (2026)

Combating Noisy Labels via Dynamic Connection Masking
di: Zhang, Xinlei, et al.
Pubblicazione: (2025)

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
di: Wang, Yingxu, et al.
Pubblicazione: (2025)

Federated Learning with Instance-Dependent Noisy Label
di: Wang, Lei, et al.
Pubblicazione: (2023)

COLUR: Confidence-Oriented Learning, Unlearning and Relearning with Noisy-Label Data for Model Restoration and Refinement
di: Sui, Zhihao, et al.
Pubblicazione: (2025)

Amortized Variational Inference for Partial-Label Learning: A Probabilistic Approach to Label Disambiguation
di: Fuchs, Tobias, et al.
Pubblicazione: (2025)

Deep Learning Classification With Noisy Labels
di: Sanchez, Guillaume, et al.
Pubblicazione: (2020)

Joint Asymmetric Loss for Learning with Noisy Labels
di: Wang, Jialiang, et al.
Pubblicazione: (2025)

Noisy Early Stopping for Noisy Labels
di: Toner, William, et al.
Pubblicazione: (2024)

Calibrate to Discriminate: Improve In-Context Learning with Label-Free Comparative Inference
di: Cheng, Wei, et al.
Pubblicazione: (2024)

Learning Discriminative Dynamics with Label Corruption for Noisy Label Detection
di: Kim, Suyeon, et al.
Pubblicazione: (2024)

GraphTARIF: Linear Graph Transformer with Augmented Rank and Improved Focus
di: Hu, Zhaolin, et al.
Pubblicazione: (2025)

On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification
di: Wu, Yongliang, et al.
Pubblicazione: (2025)

Online Multi-Label Classification under Noisy and Changing Label Distribution
di: Zou, Yizhang, et al.
Pubblicazione: (2024)

GraphVec: Cross-Domain Graph Vectorization for Graph-Level Representation Learning
di: Feng, Qi, et al.
Pubblicazione: (2026)

Foster Adaptivity and Balance in Learning with Noisy Labels
di: Sheng, Mengmeng, et al.
Pubblicazione: (2024)

High-dimensional Learning with Noisy Labels
di: Firdoussi, Aymane El, et al.
Pubblicazione: (2024)

Estimating Noisy Class Posterior with Part-level Labels for Noisy Label Learning
di: Zhao, Rui, et al.
Pubblicazione: (2024)

MILD: Modeling the Instance Learning Dynamics for Learning with Noisy Labels
di: Hu, Chuanyang, et al.
Pubblicazione: (2023)

Clustering for Protein Representation Learning
di: Quan, Ruijie, et al.
Pubblicazione: (2024)

NoisyGL: A Comprehensive Benchmark for Graph Neural Networks under Label Noise
di: Wang, Zhonghao, et al.
Pubblicazione: (2024)

Exploring the Robustness of In-Context Learning with Noisy Labels
di: Cheng, Chen, et al.
Pubblicazione: (2024)

Scalable Label Distribution Learning for Multi-Label Classification
di: Zhao, Xingyu, et al.
Pubblicazione: (2023)

Tackling Noisy Clients in Federated Learning with End-to-end Label Correction
di: Jiang, Xuefeng, et al.
Pubblicazione: (2024)

Efficient Inference Using Large Language Models with Limited Human Data: Fine-Tuning then Rectification
di: Wang, Lei, et al.
Pubblicazione: (2025)

The Exploration of Error Bounds in Classification with Noisy Labels
di: Liu, Haixia, et al.
Pubblicazione: (2025)

FedNoisy: Federated Noisy Label Learning Benchmark
di: Liang, Siqi, et al.
Pubblicazione: (2023)

Variation-Bounded Loss for Noise-Tolerant Learning
di: Wang, Jialiang, et al.
Pubblicazione: (2025)

Potential Energy based Mixture Model for Noisy Label Learning
di: Wang, Zijia, et al.
Pubblicazione: (2024)

Learning to Clean: Reinforcement Learning for Noisy Label Correction
di: Heidari, Marzi, et al.
Pubblicazione: (2025)

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning
di: Nguyen, Ba Hoang Anh, et al.
Pubblicazione: (2026)

TMLC-Net: Transferable Meta Label Correction for Noisy Label Learning
di: Li, Mengyang
Pubblicazione: (2025)

Introducing Fractional Classification Loss for Robust Learning with Noisy Labels
di: Kurucu, Mert Can, et al.
Pubblicazione: (2025)

Learning to Forget with Information Divergence Reweighted Objectives for Noisy Labels
di: Birrell, Jeremiah, et al.
Pubblicazione: (2025)

MADOD: Generalizing OOD Detection to Unseen Domains via G-Invariance Meta-Learning
di: Wang, Haoliang, et al.
Pubblicazione: (2024)

Learning Robust Reward Machines from Noisy Labels
di: Parac, Roko, et al.
Pubblicazione: (2024)