神经网络识别非平衡样本模式的网络优化方法

李光林; 吕维雪

您当前的位置：

首页 >

文章列表页 >

神经网络识别非平衡样本模式的网络优化方法

更新时间：2025-12-08

- 神经网络识别非平衡样本模式的网络优化方法
- Improved Neural-Network Optimization Algorithms for Classification of Imbalanced-Exemplar Patterns
- 电子学报 1998年第1期页码：122-125
- 作者机构：
  
  1.   山东工业大学自动化系!济南
  2.   250061
  3.   浙江大学生命科学与医学工程学系!杭州
  4.   310027
- 作者简介：
- 基金信息：
  
  浙江省自然科学基金(LY20F010010)
- DOI：
  中图分类号： TP18
- 纸质出版：1998
- 稿件说明：
移动端阅览
[1]李光林,吕维雪.神经网络识别非平衡样本模式的网络优化方法[J].电子学报,1998(01):122-125.

Li Guanglin. Improved Neural-Network Optimization Algorithms for Classification of Imbalanced-Exemplar Patterns[J]. Acta Electronica Sinica, 1998, (1): 122-125.
[1]李光林,吕维雪.神经网络识别非平衡样本模式的网络优化方法[J].电子学报,1998(01):122-125. DOI：

Li Guanglin. Improved Neural-Network Optimization Algorithms for Classification of Imbalanced-Exemplar Patterns[J]. Acta Electronica Sinica, 1998, (1): 122-125. DOI：

摘要

本文基于多目标代化的思想，分析了用神经网络实现非平衡样本模式识别与分类时，网络优化过程中基本BP算法收敛速度低的原因，给出了两种相应的改进算法，并利用这两种算法研究了两例非平衡样本模式的分类问题．研究结果表明：改进的算法有效地提高了网络优化的收敛速度。

Abstract

Based on the ideas of the multiobjechve optindzation

the pape analyzes the cause that convergence-rate of the standard BP（Back-Propagation） algorithm is low in the optindzaion of netal network which is used for classilication of imbalanced-exemplar patterns. We present the improved optindzation algorithms. Using the algorithms

we have been able to accelerate the rate of learning for two kinds of dsanced-exemplarpattem classification problems. The results indicate that the impmved algorithms can efficiently increase the convereence-rate of neural network optimizahon.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一个基于相关存储的模式识别方法

基于认知模拟的多路信息融合系统的研究

多层前馈网络在模式识别中的理论和应用

一个基于神经树结构的模式分类系统

背景感知机制的图像分类网络