報告人簡介
姜高霞，山西大學計算機與信息技術學院副教授、博士生導師，主要研究方向為機器學習。近年來主持國家自然科學基金2項，山西省高校科技創新項目1項。以第一作者身份在JMLR、AAAI、PR、軟件學報、計算機研究與發展等國內外期刊和會議發表論文30余篇。擔任TKDE、TNNLS、AAAI等期刊和會議審稿人。所獲獎項包括2018年山西省優博獎和ACM太原優博獎。
內容簡介
標簽噪聲會干擾模型訓練并顯著影響各類模型的泛化性能。噪聲過濾和糾正等清洗方法可以提升標簽質量和學習性能。本報告從泛化誤差視角分析了標簽噪聲清洗的有效性、最優性和適用性理論，為優化噪聲清洗效果奠定了理論基礎，同時介紹了兩類標簽的噪聲估計和清洗方法。
