-
公开(公告)号：CN119988962A
公开(公告)日：2025-05-13
申请号：CN202411795130.9
申请日：2024-12-09
Applicant: 上海交通大学
IPC: G06F18/214 , G06F18/2431 , G06F17/18 , G06N3/084
Abstract: 本发明涉及一种基于密度比估计的数据均衡方法、电子设备、存储介质，方法包括：步骤S1，获取训练数据集以及待训练的深度学习模型，重复步骤S2‑S3，直至达到目标训练批次；步骤S2，提取当前批次下训练数据集内样本的特征，判断当前是否超过预设的临界批次，若否，配置类别权重为等权重，若是，通过密度比估计计算各个类别的类别权重，更新深度学习模型的参数；步骤S3，基于当前批次下各个样本的特征，对特征原型进行动量更新。本发明能够在训练过程中自适应地调整每个类别的重要性，从而缓解模型在多数类上过拟合的风险，提升在少数类数据上的表现，最终增强模型在不平衡数据集上的鲁棒性与适应性。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
