报告人简介
姜高霞，山西大学计算机与信息技术学院副教授、博士生导师，主要研究方向为机器学习。近年来主持国家自然科学基金2项，山西省高校科技创新项目1项。以第一作者身份在JMLR、AAAI、PR、软件学报、计算机研究与发展等国内外期刊和会议发表论文30余篇。担任TKDE、TNNLS、AAAI等期刊和会议审稿人。所获奖项包括2018年山西省优博奖和ACM太原优博奖。
内容简介
标签噪声会干扰模型训练并显著影响各类模型的泛化性能。噪声过滤和纠正等清洗方法可以提升标签质量和学习性能。本报告从泛化误差视角分析了标签噪声清洗的有效性、最优性和适用性理论，为优化噪声清洗效果奠定了理论基础，同时介绍了两类标签的噪声估计和清洗方法。
