{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,5,9]]，“日期-时间”：“2024-05-09T05:54:32Z”，“时间戳”：1715234072596}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：38，“出版者”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-striction“：true}，”short-container-title“（限制）：[]，“published-print”：{“date-parts”：[[2020,1,5]]}，“DOI”：“10.1145\/3371158.3371169”，“type”：“proceedings-article”，“created”：{“date-parts”：[2020,16]]，“date-time”：“2020-01-16T00:24:22Z”，“timestamp”：1579134262000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source“：”Crossref“，”is-referenced-by-count“：7，”title“：[“标签噪声下多标签分类器的稳健学习”]，“前缀”：“10.1145”，“作者”：[{“given”：“Himanshu”，“family”：“Kumar”，“sequence”：“first”，“affiliation”：[}“name”：“EE，IISc班加罗尔，卡纳塔克邦，印度”}]}，{“fivent”：“Naresh”]}，{“给定”：“P。S.“，”family“：”Sastry“，”sequence“：”additional“，”affiliation“：[{”name“：”EE，IISc Bangalore，Karnataka，India“}]}]，”member“：”320“，”published-on-line“：{”date-parts“：[[2020,1,15]]}，”reference“：[}”key“：”e_1_3_2_1_1_1_1_2“，”volume-title“：”IEEE计算机视觉和模式识别会议论文集“，”author“：”Angelova Anelia“，”年份”：“2005年”，“非结构化”：“Anelia Angelova，Yaser Abu-Mostafa和Pietro Perona。2005 . 对象类别学习的修剪训练集。IEEE计算机学会计算机视觉和模式识别会议论文集。美国华盛顿特区，494-501。Anelia Angelova、Yaser Abu-Mostafa和Pietro Perona。2005.对象类别学习的修剪训练集。IEEE计算机学会计算机视觉和模式识别会议论文集。美国华盛顿特区，494--501.“}，{”key“：”e_1_3_2_1_2_1“，”volume-title“：”第三届亚洲机器学习会议论文集“，”author“：”Battista Biggio Blaine Nelson“，”year“：”2011“，”unstructured“：”布莱恩·纳尔逊·巴蒂斯塔·比吉奥（Blaine Nelson Battista Biggio）和帕维尔·拉斯科夫（Pavel Laskov）。2011 . 对抗性标签噪声下的支持向量机。第三届亚洲机器学习会议论文集。台湾桃园，97-112。Blaine Nelson Battista Biggio和Pavel Laskov。2011.对手标签噪声下的支持向量机。第三届亚洲机器学习会议论文集。台湾桃园，97-112.“}，{”key“：”e_1_3_2_1_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3642-33460-3_15”}，“key”：“e_1_ 3_2_1_4_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.patcog.2004.03.009“}”，{“：”10.1613\/jair.606“}，{”key“：”e_1_3_2_1_6_1“，”doi-asserted-by“：”publisher“，“DOI“：”10.1109\/TIP.2017.2651372“}，{“key”：“e_1_3_2_1_7_1”，“unstructured”：“Andr\u00e9 Elisseeff and Jason Weston.2002。一种多标记分类的核方法。神经信息处理系统进展。681--687. Andr\u00e9 Elisseeff和Jason Weston。2002.多标记分类的核心方法。神经信息处理系统进展。681--687.“}，{”key“：”e_1_3_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TNNLS.2013.2292894”}，“key”：“e_1_3_2_1_9_1”，“volume-title”：“第二十四届学习理论年会论文集.341-358”，“author”：“Gao Wei”，“year”：“2011”，“unstructured”：“魏高和周志华。2011 . 关于多标签学习的一致性。第24届学习理论年会论文集。341--358 . 魏高和周志华。2011年，关于多标签学习的一致性。第24届学习理论年会论文集。341--358.“}，{“key”：“e_1_3_2_1_10_1”，“volume-title”：“第三十届AAAI人工智能会议（AAAI'17）会议记录”，“author”：“Ghosh Aritra”，“year”：“1919”，“unstructured”：“Aritra Ghosh，Himanshu Kumar，and P.S.Sastry，2017。深度神经网络标签噪声下的鲁棒损失函数。《第三十一届美国人工智能学会人工智能会议论文集》（AAAI'17）。AAAI出版社，1919-1925年。http://\/dl.acm.org\/citation.cfm？id=3298483.3298518 Aritra Ghosh、Himanshu Kumar和P.S.Sastry。2017.深度神经网络标签噪声下的鲁棒损失函数。《第三十一届美国人工智能学会人工智能会议论文集》（AAAI'17）。AAAI出版社，1919-1925年。http://\/dl.acm.org\/citation.cfm？id=3298483.3298518“｝，｛”key“：”#cr split#-e_1_3_2_1_1.1“，”doi断言“：”crossref“，”unstructured“：”Aritra Ghosh Naresh Manwani and P.S.Sastry.2015。使风险最小化容忍标签噪音。神经计算机。160摄氏度（2015年7月）93-107。https:\/\/doi.org\/10.1016\/j.neucom.2014.09.081 10.1016\/j-neucom.2014.09.081“，“doi”：“10.1016\\j.neucomm.2014.09.81”}，{“key”：“#cr-split#-e_1_3_11_1.2”，“doi-asserted-by”：“crossref”，“unstructured”：“Aritra Ghosh Naresh Manwani and P.S.Sastry。2015。使风险最小化容忍标签噪音。神经计算机。160摄氏度（2015年7月）93-107。https:\/\/doi.org\/10.1016\/j.neucom.2014.09.081“，“doi”：“10.1016\/j-neucom.2014.109.081”}，{“key”：“e_1_3_2_12_1”，“首页”：“404”，“article-title”：“通过非线性特征转换从噪声标签中学习多标签”，“volume”：”2018“author”：“Hu Mengying”，“year”：“2019”，“unstructured”：“胡梦莹、胡涵、山石光和陈西林。2019 . 基于非线性特征变换的噪声标签多标签学习。2018年计算机视觉-ACCV。404 -- 419 . 胡梦莹、胡涵、石光山和陈锡林。2019.利用非线性特征变换从噪声标签中进行多标签学习。在计算机视觉ACCV 2018中。404--419.“，”journal-title“：”Computer Vision-ACCV“}，{“key”：“e_1_3_2_13_1”，“volume-title”：“Batch Normalization:Accelerating Deep Network Training by Reducing Internal Covariate Shift.CoRR abs\/1502.03167”，“author”：“Ioffe Sergey”，“year”：“2015”，“unstructured”：“谢尔盖·洛夫和克里斯蒂安·塞格迪。2015 . 批量规范化：通过减少内部协变量转移加快深度网络培训。CoRR abs \/1502.03167（2015）。arXiv:1502.03167 http:\/\/arXiv.org\/abs\/1502.03167Sergey Ioffe和Christian Szegedy。2015.批量规范化：通过减少内部协变量转移加快深层网络培训。CoRR abs \/1502.03167（2015）。arXiv:1502.03167 http://\/arXiv.org\/abs\/150.2.03167“}，{“key”：“e_1_3_2_1_14_1”，“volume-title”：“第二十届国际机器学习会议论文集，华盛顿特区”，“author”：“Jin Rong”，“year”：“2003”，“unstructured”：“荣进、刘燕、罗思、詹姆·卡博内尔和亚历山大·豪普特曼。2003 . 一种新的基于输入相关正则化器的boosting算法。第二十届机器学习国际会议论文集。华盛顿特区荣进、刘燕、罗思、詹姆·卡博内尔和亚历山大·豪普特曼。2003.一种使用输入相关正则化器的新boosting算法。第二十届机器学习国际会议论文集。华盛顿特区“}，{”key“：”e_1_3_2_1_15_1“，”volume-title“：”Perceptron算法的噪声容限变体。J.Mach.Learn.Res.8（5月，”author“：”Khardon Roni“，”year“：”2007“，”unstructured“：”Roni Kardon and Gabriel Wachman，2007。感知器算法的噪声容限变体。J.马赫。学习。第8号决议（2007年5月），227--248。http://\/dl.acm.org\/citation.cfm？id=1248659.1248667罗尼·哈登和加布里埃尔·瓦奇曼。2007.感知器算法的噪声容限变体。J.马赫。学习。第8号决议（2007年5月），227--248。http://\/dl.acm.org\/citation.cfm？id=1248659.1248667“｝，｛“key”：“e_1_3_2_1_16_1”，“volume title”：“Kingma and Jimmy Ba”，“author”：“Diederik”，“year”：“2014”，“nonstructured”：“Diederik P.Kingma and Jimmy Ba。2014.Adam:随机优化方法。CoRR abs\/14126.6980（2014）。arXiv:1412.6980 http://arXiv.org/abs\/14126.6980 Diederik P.Kingma and Jimmy Ba。2014。亚当：一种随机优化方法。CoRR abs（2014）。arXiv:1412.6980 http:\/\/arXiv.org\/abs\/1412.6980.“}，{“key”：“e_1_3_2_1_17_1”，“volume-title”：“第十八届国际机器学习会议（ICML'01）论文集”，“author”：“Neil”，“unstructured”：“尼尔·D·劳伦斯和伯恩哈德·施瓦尔科普夫，2001。在标签噪声存在下估计核Fisher判别式。《第十八届机器学习国际会议论文集》（ICML'01）。Morgan Kaufmann Publishers Inc.，美国加利福尼亚州旧金山，306-313。http://\/dl.acm.org\/citation.cfm？id=645530.655665尼尔·D·劳伦斯（Neil D.Lawrence）和伯恩哈德·施库普夫（Bernhard Sch\u00f6lkopf）。2001.在存在标签噪声的情况下估计核Fisher判别式。《第十八届机器学习国际会议论文集》（ICML'01）。Morgan Kaufmann Publishers Inc.，美国加利福尼亚州旧金山，306-313。http://\/dl.acm.org\/citation.cfm？id=645530.655665“}，{“key”：“e_1_3_2_1_18_1”，“volume-title”：“第25届机器学习国际会议（ICML'08）论文集”，“author”：“Philip”，“unstructured”：“菲利普M.龙（Philip M.Long）和罗科A.Servedio.2008。随机分类噪声击败了所有凸势助推器。在《第25届国际机器学习大会论文集》（ICML'08）上。ACM，美国纽约州纽约市，608-615。https:\/\/doi.org\/10.1145\/1390156.1390233 10.1145\/13900156.13902033 Philip M.Long和Rocco A.Servedio。2008年。随机分类噪声击败了所有凸型潜在助推器。第25届机器学习国际会议（ICML'08）论文集。ACM，美国纽约州纽约市，608-615。https:\/\/doi.org\/10.1145\/1390156.1390233“}，{“key”：“e_1_3_2_19_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1109\/TSMCB.2012.223460”}、{“密钥”：“e_1_3_2_1_20_1”、”doi-assert-by“：”publisher“，”doi“：“10.5555\/3042573.3042603”}，“key“：”e_3_2_2_1_21_1“，”非结构化“：”Nagarajan Natarajan Inderjit S Dhillon Pradeep K Ravikumar和Ambuj Tewari，2013年。用嘈杂的标签学习。神经信息处理系统进展。1196--1204. Nagarajan Natarajan Inderjit S Dhillon Pradeep K Ravikumar和Ambuj Tewari，2013年。用嘈杂的标签学习。神经信息处理系统进展。1196--1204.“}，{”key“：”e_1_3_2_1_22_1“，”doi-asserted-by“：”crossref“，”unstructured“：”Divya Padmanabhan Satyanath Bhat Shirish Shevade和Y.Narahari.2017。使用主题模型从多个噪声源进行多标签分类。信息8 2（2017）。Divya Padmanabhan Satyanath Bhat Shirish Shevade和Y.Narahari，2017年。使用主题模型从多个噪声源进行多标签分类。信息8 2（2017）。“，”DOI“：”10.3390\/info8020052“}，{”key“：”e_1_3_2_1_23_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1109\/CVPR.2017.240”}，“key”：“e_1_3_2_1_24_1”，“unstructured”：“Scott e.Reed Honglak Lee Dragomir Anguelov Christian Szegedy Dumitru Erhan and Andrew Rabinovich.2014。利用Bootstrapping在噪声标签上训练深度神经网络。CoRRabs（2014）。斯科特·里德·洪拉克（Scott E.Reed Honglak Lee Dragomir Anguelov Christian Szegedy Dumitru Erhan）和安德鲁·拉比诺维奇（Andrew Rabinovich）。2014.用Bootstrapping在噪声标签上训练深度神经网络。CoRRabs（2014）。“}，{”key“：”e_1_3_2_1_25_1“，”volume-title“：”第28届神经信息处理系统国际会议论文集“，”卷“：”1“，”author“：”van Rooyen Brendan“，”unstructured“：”Brendan van Roowen、Aditya Krishna Menon和Robert C.Williamson。2015。学习对称标签噪音：不铰接的重要性。第28届神经信息处理系统国际会议论文集-第1卷（NIPS’15）。麻省理工学院出版社，马萨诸塞州剑桥，美国，10-18。http://\/dl.acm.org\/citation.cfm？id=2969239.2969241 Brendan van Rooyen、Aditya Krishna Menon和Robert C.Williamson。2015.学习对称标签噪音：不铰接的重要性。在第28届神经信息处理系统国际会议论文集第1卷（NIPS’15）。麻省理工学院出版社，马萨诸塞州剑桥，美国，10-18。http://\/dl.acm.org\/citation.cfm？id=2969239.2969241“}，{“key”：“e_1_3_2_1_26_1”，“volume-title”：“标签噪声存在下分类器的稳健学习。模式识别和大数据”，“author”：“Sastry PS”，“year”：“2016”，“unstructured”：“PS Sastry and Naresh Manwani。2016。标签噪声存在下分类器的鲁棒学习。模式识别与大数据（2016），167-197。PS萨斯特里和纳雷什·曼瓦尼。2016年，标签噪声存在下分类器的稳健学习。模式识别与大数据（2016），167--197.“}，{“key”：“e_1_3_2_1_27_1”，“volume-title”：“第26届学习理论年会论文集（机器学习研究论文集），Shai Shalev-Shwartz和Ingo Steinwart（编辑）”，“卷”：“30”，“作者”：“Scott Clayton”，“年份”：“2013”，“非结构化”：“克莱顿·斯科特（Clayton Scott）、吉勒斯·布兰查德（Gilles Blanchard）和格雷戈里·汉迪（Gregory Handy）。2013 . 非对称标签噪声分类：一致性和最大去噪。在第26届学习理论年会论文集（机器学习研究论文集）中，Shai Shalev-Shwartz和Ingo Steinwart（编辑），第30卷。PMLR，美国新泽西州普林斯顿，489-511。http://\/crocesses.mlr.press\/v30\/Scott13.html克莱顿·斯科特（Clayton Scott）、吉勒斯·布兰查德（Gilles Blanchard）和格雷戈里·汉迪（Gregory Handy）。2013.非对称标签噪声分类：一致性和最大去噪。在第26届学习理论年会论文集（机器学习研究论文集）中，Shai Shalev-Shwartz和Ingo Steinwart（编辑），第30卷。PMLR，美国新泽西州普林斯顿，489-511。http:\/\/procedures.mlr.press\/v30\/Scott13.html“}，{“key”：“e_1_3_2_1_28_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/AERO.2005.1559692“}”，{”key“：”e_1_ 3_2_1_2 _29_1“，”volume-title“：”利用深层神经网络从噪声标签中学习。CoRR abs \/1406.2080“，”author“：”Sukhbaatar Sainbayar“，”年份“：”2014“，”非结构化“：”Sainbayar Sukhbaatar和Rob Fergus。2014年，利用深度神经网络学习噪音标签。CoRR abs（2014）。arXiv:1406.2080 http:\/\/arXiv.org\/abs\/140.6.2080 Sainbayar Sukhbaatar和Rob Fergus。2014年，利用深度神经网络学习噪音标签。CoRR abs（2014）。arXiv:1406.2080 http://\/arXiv.org\/abs\/140.6.2080“}，{“key”：“e_1_3_2_1_30_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1109\/CVPR.2015.7298885”}、{“密钥”：“e_1_3_2_1_31_1”、“doi-sserted-by“：”publisher“，”doi“：“10.1186\/1687-4722-2011-426793”}，“key“：”e_3_2_2_1_32_1”，“volume-title”：“MULAN：多标签学习的Java库。机器。学习。研究12（7月），“作者”：“Tsoumakas Grigorios”，“年份”：“2011年”，“非结构化”：“Grigories Tsoumaas，Eleftherios Spyromitros-Xioufis，Jozef Vilcek，and Ioannis Vlahavas.2011.MULAN：多标签学习的Java库。J.Mach.Learn.Res.12（2011年7月）、2411-2414。http://\/dl.acm.org\/citation.cfm？id=1953048.2021078格里戈里奥斯·祖马卡斯（Grigorios Tsoumakas）、埃列夫瑟里奥斯·斯皮罗米托斯·西奥菲斯（Eleftherios Spyromitros-Xioufis）、乔泽夫·维尔切克（Jozef Vilcek）和伊奥尼斯·弗拉哈瓦斯。2011年，MULAN：用于多标签学习的Java库。J.马赫。学习。第12号决议（2011年7月），2411-2414。http://\/dl.acm.org\/citation.cfm？id=1953048.201078“}，{”key“：”e_1_3_2_1_33_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/296618.29688710”}，“key”：“e_1_ 3_2_1_1_34_1”，“volume-title”：“稳健极端多标签学习。ACM SIGKDD知识发现和数据挖掘会议（8月），“author”：“Xu Chang”，“year”：“2016”，“unstructured”：“”常旭、陶大成、徐超。2016年。稳健的极端多标签学习。ACM SIGKDD知识发现和数据挖掘会议（2016年8月）。常旭、陶大成、徐超。2016年，稳健的极端多标签学习。ACM SIGKDD知识发现和数据挖掘会议（2016年8月）。“｝，｛”key“：”e_1_3_2_1_35_1“，”doi断言者“：”crossref“，”首页“：”10“，”doi“：”10.1109\/TKDE.2006.162“，”文章标题“：”多标签神经网络及其在功能基因组学和文本分类中的应用“，”卷“：”18“，”作者“：”张敏玲“，”年份“：”2006“，”非结构化“：”张敏玲和周志华。2006 . 多标签神经网络及其在功能基因组学和文本分类中的应用。IEEE知识与数据工程汇刊18，10（2006年10月），1338--1351。https:\/\/doi.org\/10.109\/TKDE.2006.162 10.1109\/TKDC.2006.162张敏玲和周志华。2006.多标签神经网络及其在功能基因组学和文本分类中的应用。IEEE知识与数据工程汇刊18，10（2006年10月），1338-1351。https:\/\/doi.org\/10.109\/TKDE.2006.162“，”journal-title“：”IEEE知识与数据工程学报“}，{”key“：”e_1_3_2_1_36_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TKDE.2013.39”}，“key”：“e_1_ 3_2_1_1_37_1”，“volume-title”：“第二十届国际机器学习会议论文集（ICML'03）”“，”作者“：”朱星泉“，”年份“：”2003“，”非结构化“：”朱星泉、吴新东、陈启军。2003 . 消除大型数据集中的类噪声。第二十届国际机器学习会议论文集（ICML'03）。AAAI出版社，920--927。http://\/dl.acm.org\/citation.cfm？id=304 1838.3041954朱兴权、吴新东和陈启军。2003年，消除大型数据集中的类噪声。第二十届国际机器学习会议论文集（ICML'03）。AAAI出版社，920--927。http://\/dl.acm.org\/citation.cfm？id=3041838.3041954“}]，”event“：{”name“：”CoDS COMAD 2020：第七届ACM IKDD CoDS和第二十五届COMAD“，”location“：”Hyderabad India“，”缩写词“：”CoDS COMAD 2020“，”赞助商“：[”SIGKDD ACM数据知识发现特别兴趣小组“]}，”container-title“：[“第七届AMI KDD CoDS和第二十五次COMAD会议记录”]，”original-title”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3371158.3371169“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,14]]，”date-time“：“2023-01-14T08:00:02Z”，”timestamp“：1673683202000}，“score”：1，“resource”：{“primary”：“{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3371158.3371169“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020,1,5]]}，“引用计数”：38，“alternative-id”：[“10.1145\/33711158.3371169”，“10.1145\/3371158”]，“URL”：“http://\/dx.doi.org\/10.145\/33711169”，“”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[[2020,1,5]]}，“断言”：[{”value“：”2020-01-15“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}