TY -非盟的朱七盟——元,宁非盟-关,东海PY - 2019 DA - 2019/03/10 TI -认知驱动多层自主学习分类错误的样本SP - 8127869六世- 2019 AB -近年来,自主学习(SPL)吸引了大量关注,由于非凸优化基于机器学习算法的改进。从人类学习方法介绍,SPL动态评估每个样本的学习困难和学习提供了加权模型对努力学习样本的负面影响。在这项研究中,我们提出了一个认知驱动SPL方法,即。、回顾健壮的自主学习(R2SPL),这是人类学习过程受到以下两个问题:分类错误的样本在即将到来的学习,更令人印象深刻的和后续学习过程的模型基于大量样本中可以用来减少贫穷的风险概括在最初的学习阶段。我们同时估计每一步的程度的学习困难和错误分类SPL和提出了一个框架构建多层次SPL改善SPL的初始学习阶段的鲁棒性。该方法可以被视为一种多层模型和前一层的输出可以指导构建健壮的初始化模型的下一层。实验结果表明,该R2SPL优于传统的自主学习模型在分类任务。SN - 1076 - 2787你——https://doi.org/10.1155/2019/8127869——10.1155 / 2019/8127869 JF - PB - Hindawi KW - ER -复杂性