{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,9,12]，“日期时间”：“2024-09-12T01:47:42Z”，“时间戳”：1726105662406}，“出版商位置”：“查姆”，“参考计数”：23，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“类型”：”打印“，“值”：“9783030638191”}{“type”：“电子”，“value”：“9783030638207”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content version”：“tdm”，“delay in days”：0，“URL”：“http:\/\/wspringer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000 6800000｝，“内容版本”：“vor”，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://\\www.springer.com\/tdm”}]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2020]]｝，“DOI”：“10.1007\/978-3-030-63820-7_92”，“类型”：“图书章节”，“创建”：｛“日期部分”：[[2020,11,18]，“日期-时间””：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“807-814”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：1，”title“：[“用不平衡数据改善分类性能的混合损失”]，“前缀”：“10.1007”，《作者》：[{“给定”：“Thanawat”，“family”：“Lodkaew”“”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-001-8359-9888”，“authenticated-ORCID”：false，“given”：”Kitsuchart“，”family“：”Pasupa“，”sequence“：”additional“，”affiliance“：[]2]，“member”：“297”，“published-online”：{“date-parts”：[2020,11,17]]}、“reference”：[{“key”：《92_CR1》，“非结构化”：“Abadi，M.，et al.：Tensorflow:大规模机器学习系统。摘自：第十二届USENIX操作系统设计与实现研讨会（OSDI 16），第265\u2013283页（2016）”}，{“问题”：“6”，“键”：“92_CR2”，“doi-asserted-by”：“出版商”，“首页”：“962”，“doi”：“10.1109\/72.286891”，“卷”：“4”，“作者”：“R Anand”，“年份”：“1993”，“非结构化”：“Anand，R.，Mehrotra，K.G.，Mohan，C.K.，Ranka，S.：不平衡训练集神经网络分类的改进算法。IEEE Trans.neural Netw.4（6），962\u2013969（1993）”，“期刊标题”：“IEEE Trans.neural Netw.”}，｛“key”：“92_CR3”，“doi asserted by”：“publisher”，“first page”：“249”，“doi”：“10.1016\/j.neuet.2018.07.011”，“volume”：“106”，“author”：“M Buda”，“year”：“2018”，“unstructured”：“Buda，M.，Maki，A.，Mazrowski，M.A.：卷积神经网络中类不平衡问题的系统研究。neural Netw.106249\u2013259（2018）”，“journal-title”：“neural Network.”}，{“key”：“92_CR4”，“非结构化”：“Cholet，F.等人：Keras（2015）。https:\\/Keras.io”}、{“key”：“92_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：IEEE计算机视觉与模式识别会议论文集，第770\u2013778（2016）页”，“doi”：“10.1109\/CVPR.2016.90”}，{“key”：“92-CR6”，“非结构化”：“Hensman，P.，Masko，D.：不平衡训练数据对卷积神经网络的影响。KTH皇家理工学院计算机科学学位项目（2015）”}，{“key”：“92_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Huang，C.，Li，Y.，Chen，C.L.，Tang，X.：用于人脸识别和属性预测的深度不平衡学习。IEEE Trans.Pattern Anal.Mach.Intell.（2019）”，“DOI”：“10.1109\/TPAMI.2019.2914680”}，{“key”：“92_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Janowczyk，A.，Madabhushi，A.：数字病理图像分析的深度学习：使用选定用例的综合教程。J.Pathol.Inform.7（2016）”，“DOI”：“10.4103\/2153-3539.186902”}，{“issue”：“1”，“key”：“92_CR9”，“DOI-asserted-by”：“publisher”，“first page”：”1“，“DOI:”10.1186\/s40537-019-0192-5“，”volume“：”6“，“author”：“JM Johnson”，“year”“”：“2019”，“非结构化”：“Johnson，J.M.，Khoshgoftar，T.M.：关于阶级失衡的深度学习的调查。J.Big Data 6（1），1\u201354（2019）。https:\/\/doi.org/10.1186\\s40537-019-0192-5”，“期刊标题”：“J.Big Data”}，｛“issue”：“8”，“key”：“92_CR10”，“doi断言”：“crossref”，“首页”：“3573”，“doi”：“10.1109\\TNNLS.2017.2732482”，“volume“：”29“，“author”：“SH Khan”，“year”：“2017”，“unstructured”：“Khan，S.H.，Hayat，M.，Bennamoun，M.、Sohel，F.A.，Togneri，R.：从不平衡数据中对深层特征表示的成本敏感学习。IEEE Trans.Neural Netw.Learn.Syst.29（8），3573\u20133587（2017）”，“期刊标题”：“IEEE Trans.Neural Netw.Learn。Syst.”}，{“key”：“92_CR11”，“非结构化”：“Kingma，D.P.，Ba，J.：Adam:一种随机优化方法。arXiv预打印arXiv:1412.6980（2014）”}，{“key”：“92_CR12”，“unstructured”：“Krizhevsky，a.：从微小图像中学习多层特征。Tech.rep.（2009）“}，}”key“：”92_CR13“，”doi-asserted-by“：”publisher“，”first page“：“78663”，“doi”：“10.1109\/ACCESS.200.2990497”，“volume”：”8“，“author”：“W Kudisthalert”，“year”：“2020”，“unstructured”：“Kudistharert，W.，Pasupa，K.，Tongsima，S.：从giemsa染色的薄膜图像中计算和分类疟疾寄生虫。IEEE Access 8，78663\u201378682（2020）”，“journal-title”：“IEEE Access”}，{“key”：“92_CR14”，“doi-asserted-by”：“crossref”，“非结构化”：“Lin，T.Y.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点损失。摘自：IEEE计算机视觉国际会议论文集，第2980\u20132988页（2017）”，“DOI”：“10.1109\/ICCV.2017.324”}，{“key”：“92_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，Z.，Miao，Z.、Zan，X.、Wang，J.、Gong，B.、Yu，S.X.：开放世界中的大尺度长尾识别。摘自：IEEE计算机视觉和模式识别会议论文集，第2537\u20132546（2019）页”，“DOI”：“10.1109\/CVPR.2019.00264”}，{“key”：“92_CR16”，“非结构化”：“Maas，A.L.，Daly，R.E.，Pham，P.T.，Huang，D.，Ng，A.Y.，Potts，C.：情感分析的学习词向量。摘自：计算语言学协会第49届年会论文集：人类语言技术，pp.142\u2013150。计算语言学协会，美国俄勒冈州波特兰，2011年6月。http://www.aclweb.org，{“issue”：“4”，“key”：“92_CR17”，“doi-asserted-by”：“publisher”，“first-page”：“e0195478”，“doi”：“10.1371”，“journal.pone.0195478“，”volume“：”13“，”author“：”K Pasupa“，”year“：”2018“，”unstructured“：”Pasupa，K.，Kudisthalert，W.：通过基于聚类的加权相似性极端学习机新方法进行虚拟筛选。PLoS ONE 13（4），e0195478（2018）“，“journal-title”：“PLoS ONE”}，{“key”：“92_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Pasupa，K.，Vatathanavaro，S.，Tungjitnob，S.：基于卷积神经网络的类失衡问题的焦点丢失：犬红细胞形态分类的案例研究。arXiv预印本arXiv:2001.03329（2020）“，”DOI“：”10.1007\/s12652-020-01773-x“}，{”volume-title“：”机器学习百科全书“，”year“：”2011“，”author“：”C Sammut“，”key“：”92_CR19“，”unstructured“：”Sammut，C.，Webb，G.I.：“机器学习百科。Springer Science&Business Media，Berlin（2011）“}”，{“key”：“92_CR20”，“unstructure”：“”Vaswani，A.等人：注意力就是你所需要的。In:Advances In Neural Information Processing Systems，pp.5998\u20136008（2017）“}，{“issue”：“6”，“key”：“92_CR21”，“doi-asserted-by”：“publisher”，“first-page”：“1968”，“doi”：“10.1109\/TCB.2018.2827029”，“volume”：”15“author”：“H Wang”，“year”：“2018”，“unstructured”：“Wang，H.，Cui，Z.，Chen，Y.，Avidan，M.，Abdallah，A.B.，Kronzer，A.：通过成本敏感的深度学习预测医院再次入院。IEEE\/ACM传输。计算。生物信息。15（6），1968\u20131978（2018）“，“期刊标题”：“IEEE\/ACM Trans。计算。生物信息。}，{“key”：“92_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，S.，Liu，W.，Wu，J.，Cao，L.，Meng，Q.，Kennedy，P.J.：在不平衡数据集上训练深层神经网络。摘自：2016年国际神经网络联合会议（IJCNN），第4368\u20134374页。IEEE（2016）“，”DOI“：”10.1109\/IJCNN.2016.772770“}，{”key“：”92_CR23“，”DOI-asserted-by“：”publisher“，”first page“：“211”，”DOI:“10.1016\/j.patcog.2019.06.007”，“volume”：“95”，“author”：“X Zhu”，“year”：“2019”，“unstructured”：“Zhu，X.，Jing，X.Y.，Zhang，F.，Zhang-X.，You，X.Cui，X.：通过挖掘难易的负面样本进行远程学习，以进行人的重新识别。模式识别。95，211\u2013222（2019）“，“新闻标题”：“模式识别。“}]，”container-title“：[”计算机与信息科学中的通信“，”神经信息处理“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10007\/978-3030-63820-7_92“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”deposed“：{”date-parts“：[[2024,8,17]]，“date-time”：“2024-08-17T16:02:21Z”，“timestamp”：1723910541000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3030-63820-7_92”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2020]]}”，“ISBN”：[“9783030638191”，“9783030638207”]，“references-count”：23，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-030-63820-7_92“，”关系“：{}，”ISSN“：[”1865-0929“，”1865-0.937“]，”ISSN-type“：[{”类型“：”打印“，”值“：”1865--0929“}，{”type“:”电子“，”value“：”865-0937“}]，”主题“：[]，”发布“：{”日期部分“：[2020]]}，“断言”：[{“value”：“17 2020年11月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“ICONIP”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，“table”：“会议信息”}}}name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“曼谷”，“订单”：3，“name”：“Conference_city”，“label”：“会议城市”，“group”：{“name”:“ConferenceInformo”，“标签”：“Conferency Information”}}、{“value”：“Thailand”，“order”：4，“name“Conference_country”，“label”：”会议国家“，”组“：{”name“：“ConfenceInfo”，“table”：“”会议信息“}}，{”value“：”2020“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2020年11月18日”，“order”：7，“name”:“Conference_start_date”，”lable“：”会议开始日期“，”group“：2020年11月22日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：：“conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”http://www.apnns.org\/ICONIP2020“，“order”：11，“name”：“conferenceurl”，“label”：“会议url”，“group”：{“：”type“，”label“：”type“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information“（由会议组织者提供）“}}，”{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：}，{“value”：“618”，“order”：3，“name”：“number_of_submissions_sent_for_review”：“接受的全文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“189”，“order”：5，“name”:“Number_of_short_Papers_Accepted”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“30%-该值由公式“接受的全文数量/发送供评审的提交数量*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}}，｛“value”：“3.68”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位评审员的平均论文数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“No”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部评审员”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“由于COVID-19大流行，会议实际上举行了。”，“order”：10，“name”:“additional_info_on_Review_process”，“tabel”：”审核过程的附加信息“，”group“：{”name“：”ConfEventpeerReview信息“，“label”：“同行评审信息（由会议组织者提供）”}}]}}