( en | de | ru )

 

Disambiguierung von "Niu, Gang"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Learning with Noisy Labels Revisited: A Study Using Real-World Human Annotations.

, , , , , und . CoRR, (2021)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Jier Niu

Chaowei Niu

Xinyu Niu

Wenjun Niu

Zhibin Niu

 

Weitere Publikationen von Autoren mit dem selben Namen

A method for the hub location problem of scale-distance tradeoffs., , , und . SOLI, Seite 434-437. IEEE, (2014)Active Feature Acquisition with Supervised Matrix Completion., , , , , und . KDD, Seite 1571-1579. ACM, (2018)On the Minimal Supervision for Training Any Binary Classifier from Only Unlabeled Data., , , und . ICLR (Poster), OpenReview.net, (2019)Multi-Class Classification from Noisy-Similarity-Labeled Data., , , , , , , und . CoRR, (2020)Towards Effective Visual Representations for Partial-Label Learning., , , , und . CVPR, Seite 15589-15598. IEEE, (2023)Maximum Mean Discrepancy Test is Aware of Adversarial Attacks., , , , , , und . ICML, Volume 139 von Proceedings of Machine Learning Research, Seite 3564-3575. PMLR, (2021)Progressive Identification of True Labels for Partial-Label Learning., , , , , und . ICML, Volume 119 von Proceedings of Machine Learning Research, Seite 6500-6510. PMLR, (2020)Estimating Instance-dependent Bayes-label Transition Matrix using a Deep Neural Network., , , , , , und . ICML, Volume 162 von Proceedings of Machine Learning Research, Seite 25302-25312. PMLR, (2022)Provably End-to-end Label-noise Learning without Anchor Points., , , , und . ICML, Volume 139 von Proceedings of Machine Learning Research, Seite 6403-6413. PMLR, (2021)Rethinking Importance Weighting for Deep Learning under Distribution Shift., , , und . NeurIPS, (2020)