检索结果-维普期刊中文期刊服务平台

代价敏感学习中的损失函数设计被引量：15: 1; 作者李秋洁赵亚琴顾洲《控制理论与应用》 EI CAS CSCD 北大核心 2015年第5期689-694,共6页; 一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下... 展开更多; 关键词学习算法代价敏感学习损失函数 Bayes最优决策代价敏感损失; 在线阅读下载PDF 职称材料

基于代价敏感贝叶斯网络的烟叶感官质量评价被引量：1: 2; 作者高妍方赵青松陈英武《计算机工程》 CAS CSCD 北大核心 2008年第21期187-189,共3页; 贝叶斯网络在判别分类中具有很多优势,应用贝叶斯网络对烟叶感官质量进行预测和评价。一些烟叶质量指标的误分类代价不同,提出一种代价敏感贝叶斯网络。通过生成准则学习代价敏感贝叶斯网络的结构,进行代价敏感参数估计。应用代价敏感... 展开更多; 关键词贝叶斯网络代价敏感损失感官质量评价; 在线阅读下载PDF 职称材料

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: 3; 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... 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

参数优选残差网络下的井震联合反演方法: 4; 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... 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

题名代价敏感学习中的损失函数设计被引量：15: 1; 作者李秋洁赵亚琴顾洲; 机构南京林业大学机械电子工程学院东南大学自动化学院; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2015年第5期689-694,共6页; 基金国家自然科学青年基金项目(31200496 61473156) +1 种基金江苏省博士后基金项目(1301009A)资助~~; 文摘一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下,提出两条代价敏感损失设计准则.接着采用两种常用代价敏感损失生成方法构造平方损失、指数损失、对数损失、支持向量机损失等经典损失函数的代价敏感扩展形式.根据所提出的设计准则,从理论上分析这些代价敏感损失的性能.最后通过实验表明,同时满足两条设计准则的代价敏感损失能有效降低分类代价,从而证明了本文提出的代价敏感损失设计准则的合理性.; 关键词学习算法代价敏感学习损失函数 Bayes最优决策代价敏感损失; Keywords learning algorithms cost-sensitive learning loss function Bayes optimal decision cost-sensitive risk; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于代价敏感贝叶斯网络的烟叶感官质量评价被引量：1: 2; 作者高妍方赵青松陈英武; 机构国防科技大学信息系统与管理学院; 出处《计算机工程》 CAS CSCD 北大核心 2008年第21期187-189,共3页; 基金高等学校博士学科点专项科研基金资助项目(20059998019); 文摘贝叶斯网络在判别分类中具有很多优势,应用贝叶斯网络对烟叶感官质量进行预测和评价。一些烟叶质量指标的误分类代价不同,提出一种代价敏感贝叶斯网络。通过生成准则学习代价敏感贝叶斯网络的结构,进行代价敏感参数估计。应用代价敏感贝叶斯网络对一组烟叶进行感官质量预测和评价,结果表明了代价敏感贝叶斯网络在烟叶质量感官评价中的有效性。; 关键词贝叶斯网络代价敏感损失感官质量评价; Keywords Bayesian networks cost-sensitive loss smoking quality evaluation; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 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: 3; 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

题名参数优选残差网络下的井震联合反演方法: 4; 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	代价敏感学习中的损失函数设计	李秋洁赵亚琴顾洲	《控制理论与应用》 EI CAS CSCD 北大核心	2015	15	在线阅读下载PDF 职称材料
2	基于代价敏感贝叶斯网络的烟叶感官质量评价	高妍方赵青松陈英武	《计算机工程》 CAS CSCD 北大核心	2008	1	在线阅读下载PDF 职称材料
3	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
4	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