- …
- …
#39
summarized by : Kensho Hara
どんな論文か？
「これは犬です」という正例のラベルを与えるPositive Learningに対し，「これは鳥ではない」という負例のラベルを与えるNegative Learningを提案．正例ラベルだとそのものずばりで正しくないとだめだけど，負例ラベルだったら割と適当でも間違っている可能性は低いので，ラベルノイズが多い場合に有効と主張．
新規性
1. ラベルノイズの多いデータでうまく学習するためのNegative Learningという方法の提案．2. Positive LearningとNegative Learningを組み合わせるSelNLPLという枠組みの提案．
結果
Negative Learning (NL) -> 確信度が1/c以上のデータだけでNL (SelNL) -> 確信度が1/γ以上のデータだけでPositive Learningとするとラベルノイズに頑健な学習が可能．
その他（なぜ通ったか？等）
面白いアイディアの論文．やってることはシンプル．
- …
- …