-
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]
-
-
题名参数优选残差网络下的井震联合反演方法
被引量：1
- 2
-
-
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]
-
