样本加权

作品数：68被引量：296H指数：8
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：夏士雄刘兵于剑陈晓云周勇更多>>
相关机构：中国矿业大学兰州交通大学西安电子科技大学大连理工大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金河北省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于模型样本加权的电力负荷预测方法
《电子器件》2024年第6期1662-1668,共7页荆世博 陈伟伟 曹茜 于志勇 李忠政 
国网新疆电力有限公司科技项目(BB30JY23002)。
为了解决在电力负荷预测算法中由于对数据样本采用相同权重而导致的不利泛化效果,提出了一种基于样本加权的新型负荷预测方法,该方法在训练过程中引入加权训练损失优化模型,在优化过程中使用样本的梯度和影响函数来确定样本的权重。这...
关键词：电力负荷预测 样本加权 经验风险最小化 
一种处理严重不均衡数据的BERT-BiGRU-WCELoss短文本警情分类模型
《计算机应用与软件》2024年第9期217-223,229,共8页刘冬 翁海光 陈一民 
上海公安学院科研项目(23xkx53)。
针对110报警类警情文本数据存在着文本长度极短且样本类别分布严重不均衡的问题,提出一种BERT-BiGRU-WCELoss警情分类模型。该模型通过中文预训练BERT(Bidirectional Encoder Representations from Transformers)模型抽取文本的语义;使...
关键词：BERT BiGRU 警情分类 非均衡数据 短文本 样本加权 
基于样本选择的标签含噪图像分类
《计算机系统应用》2024年第2期54-61,共8页闻铮 曹国 
国家自然科学基金(62201282);江苏省自然科学基金(BK20231456)。
标签噪声广泛存在、无法避免且影响深度网络模型的性能.利用神经网络的“记忆效应”,基于小损失原则的样本选择方法能简单有效地处理标签噪声.本文基于特征空间中样本距离越近越相似的原则,结合样本的高低置信度假设,提出了新的样本选...
关键词：标签噪声 样本选择 置信度假说 样本票权 样本加权 
考虑样本加权的迁移学习暂态稳定评估模型更新方法
《福州大学学报（自然科学版）》2023年第6期777-783,共7页方熙 王怀远 党然 温步瀛 
福建省自然科学基金资助项目(2022J01113)。
在电力系统暂态稳定评估模型的更新过程中,针对与潜在故障相关性较小的故障样本影响迁移效果的问题,本研究从原始样本的特征量出发,发现其分布差异能反映故障之间的相关程度,由此提出考虑样本加权的迁移学习方法,进一步提高更新后评估...
关键词：暂态稳定评估 样本加权 密度比估计 迁移学习 模型更新 
自适应样本和特征加权的k-means算法被引量：2
《计算机应用》2023年第S02期99-104,共6页郑佳炜 唐厂 
国家自然科学基金资助项目(62076228)。
针对k-means算法在处理一些同时具备样本噪声与特征噪声的数据集时表现不佳的问题,提出一种自适应样本和特征加权的k-means聚类算法(ASFW)。所提算法引入负熵和一种正则化项,在每次迭代中自适应地调整样本和特征权重,并通过一种新的距...
关键词：聚类 K-MEANS算法 自适应学习 样本加权 特征加权 无监督学习 
基于样本加权条件对抗域适应网络的遥感影像作物分类
《计算机应用与软件》2023年第10期199-204,336,共7页丁伟 黄河 孙友强 
国家自然科学基金项目(31671586)。
针对遥感影像在时域上缺失或特征不对齐影响作物识别效果这一问题,在条件对抗域适应^([1])模型(CDAN)基础上提出一种基于可学习样本权重CDAN模型的作物分类方法。一方面,使用ResNet^([2])提出的并联卷积结构组成特征提取模块,对于低分...
关键词：领域自适应 对抗网络 无监督 遥感 面向对象 
基于元学习的高光谱鲁棒性学习被引量：1
《成都工业学院学报》2023年第5期34-38,共5页廖启明 张桂烽 张国云 石乘仲 周晨明 李新平 赵林 
湖南省研究生创新项目(CX20211187);湖南理工学院研究生创新项目(YCX2022A29);湖南省自然科学基金项目(2020JJ4343);湖南省教育厅科研项目(22C0365)。
在有监督的高光谱图像分类任务中,标签噪声会严重影响分类器的性能,导致所训练模型容易产生错误的分类结果。因此,建立一个稳健的深度学习分类框架来处理带有标签噪声的高光谱图像数据集是一个重要且具有挑战性的问题。为缓解标签噪声...
关键词：高光谱图像 元学习 样本加权 标签噪声 
基于非平衡问题的高斯混合模型卷积神经网络
《应用科学学报》2023年第4期657-668,共12页徐红 矫桂娥 张文俊 
校级重点科研项目(No.sjq17007);江苏省研究生科研与实践创新基金(No.SJCX20_1352)资助。
为了提升分类模型对非平衡数据的分类性能,提出一种EMWRS(expectation-maximization weighted resampling)抽样算法和WCELoss(weighted cross entropy loss function)损失函数,在数据预处理阶段采用高斯混合模型得知数据分布特点,根据...
关键词：非平衡数据 高斯混合模型 样本加权 代价损失 卷积神经网络 
基于样本加权模糊聚类的土壤重金属污染溯源被引量：1
《工业安全与环保》2023年第6期95-99,共5页陈志奎 李丽方 林聃 
国家自然科学基金(62076047);大连创新基金(2021JJ12SN44);中央高校重点实验室基金(DUT20LAB136)。
由于土壤数据的复杂性,现有的方法难以对土壤重金属进行高效溯源,为了解决这个问题,基于样本加权的模糊聚类算法建立了一种新的重金属污染溯源模型,该模型使用一种新的相似度计算方法来构建模糊相似矩阵,将聚类结果与土壤重金属污染来...
关键词：重金属污染溯源 模糊聚类 样本加权 数据挖掘 
基于模型的强化学习中可学习的样本加权机制被引量：3
《软件学报》2023年第6期2765-2775,共11页黄文振 尹奇跃 张俊格 黄凯奇 
国家自然科学基金(61876181,61673375);北京市科技创新计划(Z19110000119043);中国科学院青年创新促进会项目;中国科学院项目(QYZDB-SSW-JSC006)。
基于模型的强化学习方法利用已收集的样本对环境进行建模并使用构建的环境模型生成虚拟样本以辅助训练,因而有望提高样本效率.但由于训练样本不足等问题,构建的环境模型往往是不精确的,其生成的样本也会因携带的预测误差而对训练过程产...
关键词：基于模型的强化学习 模型误差 元学习 强化学习 深度学习 
全选清除导出
共7页<1234567>
检索报告 对象比较 聚类工具 使用帮助 返回顶部