Bo Han

Citat de

	Toate	Din 2020
Referințe bibliografice	11978	11750
h-index	47	46
i10-index	130	127

4200

2100

1050

3150

2018201920202021202220232024202534 154 497 1295 1938 2931 4133 940

Acces public

Afișați-le pe toate

111 articole

0 articole*

disponibile

indisponibile

Pe baza cerințelor privind finanțarea

Coautori

Tongliang LiuDirector, Sydney AI Centre, University of Sydney & Mohamed bin Zayed University of AIAdresă de e-mail confirmată pe sydney.edu.au
Gang NiuSenior Research Scientist (tenured), RIKEN Center for Advanced Intelligence ProjectAdresă de e-mail confirmată pe riken.jp
Masashi SugiyamaDirector, RIKEN Center for Advanced Intelligence Project / Professor, The University of TokyoAdresă de e-mail confirmată pe k.u-tokyo.ac.jp
Jiangchao YaoShanghai Jiao Tong UniversityAdresă de e-mail confirmată pe sjtu.edu.cn
Ivor W. Tsang, IEEE FellowInaugural A*STAR AI Fellow and Director, Centre for Frontier AI Research, A*STARAdresă de e-mail confirmată pe cfar.a-star.edu.sg
Quanming YaoAssistant Professor, EE Department, Tsinghua UniversityAdresă de e-mail confirmată pe tsinghua.edu.cn
Chen GongProfessorAdresă de e-mail confirmată pe sjtu.edu.cn
Xiaobo XiaPostdoc, National University of SingaporeAdresă de e-mail confirmată pe nus.edu.sg
Mingming GongUniversity of Melbourne & Mohamed bin Zayed University of Artificial IntelligenceAdresă de e-mail confirmată pe unimelb.edu.au
Feng Liu (he/him)Lecturer, University of Melbourne / Visiting Scientist, RIKEN-AIP / Visiting Fellow, UTS-AAIIAdresă de e-mail confirmată pe unimelb.edu.au
Yonggang ZHANGHKBUAdresă de e-mail confirmată pe comp.hkbu.edu.hk
Nannan WangProfessor, Xidian UniversityAdresă de e-mail confirmată pe xidian.edu.cn
Jingfeng ZhangLecturer@University of Auckland & Scientist@RIKEN AIPAdresă de e-mail confirmată pe riken.jp
Miao XuUniversity of QueenslandAdresă de e-mail confirmată pe uq.edu.au
Xingrui YuScientist, Centre for Frontier AI Research (CFAR), A*STARAdresă de e-mail confirmată pe cfar.a-star.edu.sg
Jianing ZhuPh.D. student, HKBUAdresă de e-mail confirmată pe comp.hkbu.edu.hk
Yongqiang ChenThe Chinese University of Hong KongAdresă de e-mail confirmată pe cse.cuhk.edu.hk
Zhanke ZhouHKBU / StanfordAdresă de e-mail confirmată pe comp.hkbu.edu.hk
Lei FengSingapore University of Technology and DesignAdresă de e-mail confirmată pe sutd.edu.sg
Binghui XieThe Chinese University of Hong KongAdresă de e-mail confirmată pe cse.cuhk.edu.hk

Urmăriți

Bo Han

HKBU / RIKEN

Adresă de e-mail confirmată pe comp.hkbu.edu.hk - Pagina de pornire

Machine Learning Deep Learning Artificial Intelligence Trustworthy Machine Learning


Titlu Sortați după descrierea bibliografică Sortați după an Sortați după titlu	Citat de Citat de	Anul
Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels B Han, Q Yao, X Yu, G Niu, M Xu, W Hu, IW Tsang, M Sugiyama NeurIPS 2018, 2018	2516	2018
How does Disagreement Help Generalization against Label Corruption? X Yu, B Han, J Yao, G Niu, IW Tsang, M Sugiyama ICML 2019, 2019	963	2019
Attacks Which Do Not Kill Training Make Adversarial Learning Stronger J Zhang, X Xu, B Han, G Niu, L Cui, M Sugiyama, M Kankanhalli ICML 2020, 2020	484	2020
Are Anchor Points Really Indispensable in Label-Noise Learning? X Xia, T Liu, N Wang, B Han, C Gong, G Niu, M Sugiyama NeurIPS 2019, 2019	434	2019
Part-dependent Label Noise: Towards Instance-dependent Label Noise X Xia, T Liu, B Han, N Wang, M Gong, H Liu, G Niu, D Tao, M Sugiyama NeurIPS 2020, 2020	344	2020
Robust Early-learning: Hindering the Memorization of Noisy Labels X Xia, T Liu, B Han, C Gong, N Wang, Z Ge, Y Chang ICLR 2021, 2021	332	2021
Geometry-aware Instance-reweighted Adversarial Training J Zhang, J Zhu, G Niu, B Han, M Sugiyama, M Kankanhalli ICLR 2021, 2021	318	2021
Masking: A New Perspective of Noisy Supervision B Han, J Yao, G Niu, M Zhou, IW Tsang, Y Zhang, M Sugiyama NeurIPS 2018, 2018	297	2018
Reducing Estimation Error for Transition Matrix in Label-noise Learning Y Yao, T Liu, B Han, M Gong, J Deng, G Niu, M Sugiyama NeurIPS 2020, 2020	275*	2020
Understanding and Improving for Learning with Noisy Labels Y Bai, E Yang, B Han, Y Yang, J Li, Y Mao, G Niu, T Liu arXiv preprint arXiv:2106.15853, 2021	249*	2021
A Survey of Label-noise Representation Learning: Past, Present and Future B Han, Q Yao, T Liu, G Niu, IW Tsang, JT Kwok, M Sugiyama arXiv preprint arXiv:2011.04406, 2020	198	2020
Learning Causally Invariant Representations for Out-of-distribution Generalization on Graphs Y Chen, Y Zhang, Y Bian, H Yang, K Ma, B Xie, T Liu, B Han, J Cheng arXiv preprint arXiv:2202.05441, 2022	185*	2022
Provably Consistent Partial-Label Learning L Feng, J Lv, B Han, M Xu, G Niu, X Geng, B An, M Sugiyama arXiv preprint arXiv:2007.08929, 2020	179	2020
SIGUA: Forgetting May Make Learning with Noisy Labels More Robust B Han, G Niu, X Yu, Q Yao, M Xu, IW Tsang, M Sugiyama ICML 2020, 2020	168*	2020
Deepinception: Hypnotize large language model to be jailbreaker X Li, Z Zhou, J Zhu, J Yao, T Liu, B Han arXiv preprint arXiv:2311.03191, 2023	154	2023
Searching to Exploit Memorization Effect in Learning with Noisy Labels Q Yao, H Yang, B Han, G Niu, JT Kwok arXiv preprint arXiv:1911.02377, 2019	154*	2019
Provably End-to-end Label-Noise Learning without Anchor Points X Li, T Liu, B Han, G Niu, M Sugiyama arXiv preprint arXiv:2102.02400, 2021	152	2021
Sample Selection with Uncertainty of Losses for Learning with Noisy Labels X Xia, T Liu, B Han, M Gong, J Yu, G Niu, M Sugiyama arXiv preprint arXiv:2106.00445, 2022	151	2022
Is Out-of-distribution Detection Learnable? Z Fang, S Li, J Lu, J Dong, B Han, F Liu NeurIPS 2022, 2022	146	2022
Confidence Scores Make Instance-dependent Label-noise Learning Possible A Berthon, B Han, G Niu, T Liu, M Sugiyama ICML 2021, 2021	126	2021

Sistemul nu poate realiza operația în acest moment. Încercați din nou mai târziu.

Articole 1–20

Referințe bibliografice pe an

Citate duplicat

Citate fuzionate

Adăugați coautoriCoautori

Urmăriți

Citat de

Coautori