代价敏感深度学习方法研究综述

摘要：

代价敏感(cost-sensitive)学习方法能够有效缓解分类任务中的数据不平衡问题,已经被成功应用于各种传统机器学习技术中.随着深度学习技术的不断发展,代价敏感方法重新成为了研究热点.将深度学习与代价敏感方法相结合,不仅能够突破传统机器学习技术的限制,同时能够提高模型对数据的敏感性和分类的准确性,尤其是当数据中存在一定的不平衡性时.然而,如何有效地将两者进行结合成为了研究的重点和难点.研究学者从网络结构、损失函数和训练方法等多方面入手,不断提高深度学习结合代价敏感方法模型的性能.文中针对深度学习与代价敏感方法相结合的发展历程进行详细阐述,对几种具有创新性的模型进行了分析,并对比了模型的分类性能,最后对深度学习与代价敏感方法相结合的发展趋势进行了探讨.

关键词：代价敏感、深度学习、不平衡数据、神经网络

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划2017YFB0304102;上海市科技创新行动计划18511107400;同济大学中央高校基本科研业务费项目资助

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12