基于自适应重加权和正则化的集成元学习算法
打开文本图片集
摘 要：在训练集存在噪声标签或类别不平衡分布的情况下，深度神经网络具有过度拟合这种有偏差的训练数据的不良趋势。通过设计适当的样本权重，使用重加权策略是解决此问题的常用方法，但不适当的重加权方案会给网络学习引入额外的开销和偏差，仅使用重加权方法很难解决有偏差分布下网络的过拟合问题。为此，建议将标签平滑正则化和类裕度正则化与重加权结合使用，并提出了一种基于自适应重加权和正则化的元学习方法（ensemble meta net，EMN），模型框架包括用于分类的基本网络和用于超参数估计的集成元网。（剩余20037字）
