Learn from Neighbour: A Curriculum that Train Low Weighted Samples By Imitation
原文地址:Learn from Neighbour: A Curriculum that Train Low Weighted Samples By Imitation
这篇文章提出了一种新的课程学习的策略(见论文第4节),主要思想就是,一开始学习比较容易的数据,避免较为困难的数据造成的训练时的波动,较为困难的数据在后面学习,但并非直接学习,而是使其与特征接近但更为简单的样本保持类似,这种课程损失由两部分组成,一部分叫做“Feature Learning from Neightbourhood”:
另一部分叫“Data-Specific Curriculum Loss”:
α \alpha α的作用就是使得一开始训练简单的样本,随着epoch增大,逐渐关注困难的样本。