CINECA IRIS Institutional Research Information System

TrustNet: Learning from Trusted Data Against (A)symmetric Label Noise

Birke R.;
2021-01-01
2021
IEEE/ACM International Conference on Big Data Computing, Applications and Technologies
Leicester, United Kingdom
December 6 - 9, 2021
IEEE/ACM International Conference on Big Data Computing, Applications and Technologies
ACM
52
62
9781450391641
Ghiassi A.; Birke R.; Chen L.Y.
04A-Conference paper in volume
File in questo prodotto:
File Dimensione Formato  
2021 BDCAT TrustNet- Learning from Trusted Data Against (A)symmetric Label Noise.pdf

Accesso aperto

Dimensione 988.01 kB
Formato Adobe PDF
Visualizza/Apri
988.01 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2318/1891000
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 3
  • ???jsp.display-item.citation.isi??? 3
social impact