Resumen

Este trabajo propone un método para tratar la clasificación de datos desequilibrados añadiendo ruido al espacio de características de la red neuronal convolucional (CNN) sin cambiar el conjunto de datos (proporción de datos mayoritarios y minoritarios). Además, se propone una función de pérdida híbrida de entropía cruzada y divergencia KL. El enfoque propuesto puede mejorar la precisión de la clase minoritaria en los datos de prueba. Además, primero se introduce un método de diseño sencillo para seleccionar la estructura de la CNN y, a continuación, añadimos ruido en el espacio de características de la CNN para obtener características adecuadas mediante un proceso de entrenamiento y mejorar los resultados de la clasificación. A partir de los resultados de la comparación, podemos encontrar que el método propuesto puede extraer las características adecuadas para mejorar la precisión de la clase minoritaria. Por último, se presentan ejemplos ilustrados de problemas de clasificación multiclase y la correspondiente discusión en relación de equilibrio. Nuestro enfoque obtiene buenos resultados con una estructura de red más pequeña en comparación con otros modelos profundos. Además, el rendimiento mejora más de un 40% en la precisión defectuosa añadiendo el enfoque de ruido. Finalmente, la precisión es superior al 96%; incluso el ratio de desequilibrio (IR) es de cien.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:cnn, precisión, espacio de características, clase minoritaria, red neuronal convolucional, función de pérdida híbrida, problemas de clasificación multiclase, otros modelos profundos, método de diseño sencillo, estructura de red más pequeña.
• Keywords:cnn, accuracy, feature space, minority class, convolutional neural network, hybrid loss function, multiclass classification problems, other deep models, simple design method, smaller network structure