基于分歧的核心数据集筛选算法
王纵驰1
刘健2
王培2
赵兴博3
于佳耕4
陶青川3
1.中国航空油料集团有限公司 北京 1000882.航天神舟智慧系统技术有限公司 北京 1000293.四川大学电子信息学院 成都 6100654.中国科学院软件研究所 北京 100190
摘要：随着深度学习的发展,运用于训练的数据集规模日益增大,导致深度神经网络训练的效率低下.针对这种情况,提出了基于分歧的核心数据集筛选算法,即在保证训练效果的情况下对原数据集进行精简得出核心数据集.算法使用迭代的方式以有监督学习方式进行学习,通过投票网络框架计算各数据的分歧值并以此排序进行筛选.对广泛使用的CI-FAR、Fashion-MNIST以及SVHN数据集进行核心数据集筛选实验,结果表明所提出的算法在得到核心数据集规模为原始规模五分之一的同时,其训练模型的精度仅下降不超过5%.同时,其筛选出的核心数据集的泛化误差仅为0.13,其泛用性更佳.
关键词：卷积神经网络核心数据集筛选有监督学习主动学习
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2024-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1304-1309,1316 )
英文信息