期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于代价敏感卷积神经网络的非平衡问题混合方法
被引量：
4
1
作者
黄颖琦
陈红梅
《计算机科学》
CSCD
北大核心
2021年第9期77-85,共9页
非平衡问题是数据挖掘领域中普遍存在的一个问题,数据的偏态分布会使得分类器的分类效果不理想。卷积神经网络作为一种高效的数据挖掘工具,被广泛应用于分类任务,但其训练过程若受到数据非平衡的不利影响,则将导致少数类的分类准确率下...
非平衡问题是数据挖掘领域中普遍存在的一个问题,数据的偏态分布会使得分类器的分类效果不理想。卷积神经网络作为一种高效的数据挖掘工具,被广泛应用于分类任务,但其训练过程若受到数据非平衡的不利影响,则将导致少数类的分类准确率下降。针对二分类非平衡数据分类问题,文中提出了一种基于代价敏感卷积神经网络的非平衡问题混合方法。首先将密度峰值聚类算法与SMOTE相结合,通过过采样对数据进行预处理,降低原始数据集的不平衡程度;然后利用代价敏感思想对非平衡数据中的不同类别给予不同权重,并考虑预测值与标签值之间的欧氏距离,对非平衡数据中多数类和少数类赋予不同的代价损失,构建代价敏感卷积神经网络模型,以提高卷积神经网络对少数类的识别率。选取6个不同的数据集,用于验证所提方法的有效性。实验结果表明,所提方法可以提高卷积神经网络模型对非平衡数据的分类性能。
展开更多
关键词
非平衡问题
卷积神经网络
过采样
数据预处理
代价
敏感
损失
函数
在线阅读
下载PDF
职称材料
不均衡数据下基于CS-Boosting的故障诊断算法
被引量：
6
2
作者
姚培
王仲生
+1 位作者
姜洪开
刘贞报
《振动．测试与诊断》
EI
CSCD
北大核心
2013年第1期111-115,169,共5页
针对传统Boosting算法在训练样本不均衡数据情况下不能较好地实现转子系统故障诊断的问题,提出了一种基于代价敏感度框架的Boosting故障诊断算法CS-Boosting。该算法建立了一个代价敏感损失函数,通过先验概率公式计算正样本与负样本的...
针对传统Boosting算法在训练样本不均衡数据情况下不能较好地实现转子系统故障诊断的问题,提出了一种基于代价敏感度框架的Boosting故障诊断算法CS-Boosting。该算法建立了一个代价敏感损失函数,通过先验概率公式计算正样本与负样本的惩罚因子,并通过决策规则的训练使代价损失函数最小化。将该算法应用到滚动轴承故障诊断中,并与传统的Adaboost算法进行对比。试验结果表明,在转子系统不能获取更多故障数据的情况下,该算法的故障诊断性能较其他算法有明显的提高。
展开更多
关键词
代价
敏感度
滚动轴承
BOOSTING算法
CS—Boosting
代价损失函数
在线阅读
下载PDF
职称材料
参数优选残差网络下的井震联合反演方法
3
作者
郑杰
文畅
+1 位作者
谢凯
盛冠群
《电子测量技术》
北大核心
2022年第12期168-174,共7页
声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井...
声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验,并与全连接神经网络(FCNN)和多元回归分析(MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线,相关系数增加了2.5%,均方根误差减小了17.4%。
展开更多
关键词
井震联合反演
声波测井资料
代价
敏感
损失
函数
残差网络
智能反演模型
在线阅读
下载PDF
职称材料
题名
基于代价敏感卷积神经网络的非平衡问题混合方法
被引量：
4
1
作者
黄颖琦
陈红梅
机构
西南交通大学信息科学与技术学院
西南交通大学云计算与智能技术高校重点实验室
出处
《计算机科学》
CSCD
北大核心
2021年第9期77-85,共9页
基金
国家自然科学基金(61976182,62076171)
四川省国际科技创新合作重点项目(2019YFH0097)
文摘
非平衡问题是数据挖掘领域中普遍存在的一个问题,数据的偏态分布会使得分类器的分类效果不理想。卷积神经网络作为一种高效的数据挖掘工具,被广泛应用于分类任务,但其训练过程若受到数据非平衡的不利影响,则将导致少数类的分类准确率下降。针对二分类非平衡数据分类问题,文中提出了一种基于代价敏感卷积神经网络的非平衡问题混合方法。首先将密度峰值聚类算法与SMOTE相结合,通过过采样对数据进行预处理,降低原始数据集的不平衡程度;然后利用代价敏感思想对非平衡数据中的不同类别给予不同权重,并考虑预测值与标签值之间的欧氏距离,对非平衡数据中多数类和少数类赋予不同的代价损失,构建代价敏感卷积神经网络模型,以提高卷积神经网络对少数类的识别率。选取6个不同的数据集,用于验证所提方法的有效性。实验结果表明,所提方法可以提高卷积神经网络模型对非平衡数据的分类性能。
关键词
非平衡问题
卷积神经网络
过采样
数据预处理
代价
敏感
损失
函数
Keywords
Imbalance classification
Convolutional neural network
Oversampling
Data preprocessing
Cost-sensitive loss function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
不均衡数据下基于CS-Boosting的故障诊断算法
被引量：
6
2
作者
姚培
王仲生
姜洪开
刘贞报
机构
西北工业大学航空学院
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2013年第1期111-115,169,共5页
基金
国家自然科学基金资助项目(51075330
50975231
61003137)
文摘
针对传统Boosting算法在训练样本不均衡数据情况下不能较好地实现转子系统故障诊断的问题,提出了一种基于代价敏感度框架的Boosting故障诊断算法CS-Boosting。该算法建立了一个代价敏感损失函数,通过先验概率公式计算正样本与负样本的惩罚因子,并通过决策规则的训练使代价损失函数最小化。将该算法应用到滚动轴承故障诊断中,并与传统的Adaboost算法进行对比。试验结果表明,在转子系统不能获取更多故障数据的情况下,该算法的故障诊断性能较其他算法有明显的提高。
关键词
代价
敏感度
滚动轴承
BOOSTING算法
CS—Boosting
代价损失函数
Keywords
cost-sensitive,rolling bearing,Boosting algorithm,CS-Boosting,cost loss function
分类号
TH17 [机械工程—机械制造及自动化]
TP306 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
参数优选残差网络下的井震联合反演方法
3
作者
郑杰
文畅
谢凯
盛冠群
机构
长江大学电子信息学院
长江大学计算机科学学院
长江大学西部研究院
长江大学电工电子国家级实验教学示范中心
油气资源与勘探技术教育部重点实验室
三峡大学计算机与信息学院
出处
《电子测量技术》
北大核心
2022年第12期168-174,共7页
基金
新疆维吾尔自治区自然科学基金(2020D01A131)
湖北省自然科学基金(2021CFB119)项目资助。
文摘
声波测井资料在层位标定和储层反演等工作中发挥着重要作用。然而受仪器设备、地质环境等条件的限制,实际得到的声波测井曲线常有失真现象。为了向油气藏勘探提供可靠的数据支持,提高储层预测的准确性,提出一种参数优选残差网络下的井震联合反演方法,对失真的声波测井曲线予以重构。考虑到传统人工神经网络无法表达出井震间的强非线性关系,该方法以深度学习中的残差网络(ResNet)构建智能反演模型,通过网络设计、参数选择以及模型训练,找到井震间更好的映射表达。同时综合考虑测井曲线的特点与均方损失的不足,设计了一种代价敏感损失函数Fusion,进一步提高模型整体的反演精度。在真实地震数据和测井资料上展开实验,并与全连接神经网络(FCNN)和多元回归分析(MLR)的反演结果对比分析,表明所提方法反演的声波测井曲线精度更高,相关系数达到0.912,均方根误差减小到13.399。将所提Fusion损失用于反演声波测井曲线,相关系数增加了2.5%,均方根误差减小了17.4%。
关键词
井震联合反演
声波测井资料
代价
敏感
损失
函数
残差网络
智能反演模型
Keywords
well-to-seismic joint inversion
acoustic logging data
cost-sensitive loss function
residual network
intelligent inversion model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于代价敏感卷积神经网络的非平衡问题混合方法
黄颖琦
陈红梅
《计算机科学》
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
2
不均衡数据下基于CS-Boosting的故障诊断算法
姚培
王仲生
姜洪开
刘贞报
《振动．测试与诊断》
EI
CSCD
北大核心
2013
6
在线阅读
下载PDF
职称材料
3
参数优选残差网络下的井震联合反演方法
郑杰
文畅
谢凯
盛冠群
《电子测量技术》
北大核心
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
