{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,29]]，“日期-时间”：“2024-06-29T00:56:49Z”，“时间戳”：1719622609568}，“引用-计数”：60，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：“日期-零件”：[2021,1,1]]，”日期-时间“：”2021-01-01T00:00:00 Z“，”timestamp“：1609459200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“名称”：“韩国科学技术研究院欧洲机构计划”，“奖项”：[“12020”]}]，”content-domain“：{”domain“:[”elsevier.com“，”sciencedirect.com“]，”crossmark-restriction“：true}，”short-container-title“：[”Neural Networks“]，“published-print”：{“date-parts”：[[2021,1]]}，“DOI”：“10.1016\/j.neunet.2020.10.004”，“type”：“journal-article”，“created”：{“date-parts”：[[2020,10,17]]，“date-time”：“2020-10-17T06:16:21Z”，“timestamp”：1602915381000}，”page“：”69-86“update-policy”：”http://\/dx.DOI.org\/10.10016\/elsevi er_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：63，“标题”：[“CEGAN:用于解决数据不平衡问题的分类增强生成对抗网络”]，“前缀”：“10.1016”，“卷”：“133”，“作者”：[{“给定”：“Sungho”，”family“：”Suh“，”sequence“：”first“，”affiliation“：[]}，{“given”：“Haebom”，“family”：“Lee”，“sequence”：“additional”，“affiliance”：[]neneneep：“additional”，“affiliation”：[]}，{“given”：“Yong Oh”，“family”：“Lee”，“sequence”：“addressive”，“filiationation”：[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.neunet.2010.10.004_b1“，“unstructured”：“Arjovsky，M.，Chintala，S.，&Bottou，L.（2017）Wasserstein生成性对抗网络。在机器学习国际会议上（第214\u2013223页）。“}，{”key“：”10.1016\/j.neunet.2020.10.004_b2“，”series-title“：”第十八届年度ACM-SIAM离散算法研讨会论文集“，”首页“：”1027“，”article-title“：“k-means++：仔细播种的优点”，“author”：“Arthur”，“year”：“2007”}，“issue”：“2”，“key”：“10.1016\/j.nuenet.2020.1004_53”，“doi-asserted-by”：“crossref”，“首页“：”405“，”DOI“：”10.1109\/TKDE.2012.232“，”article-title“：”MWMOTE\u2013用于不平衡数据集学习的多数加权少数过采样技术“，”volume“：”26“，”author“：”Barua“，”year“：”2012“，”journal-title”：“IEEE Transactions on Knowledge and data Engineering”}，{“key”：“10.1016\/j.neunet.2020.10.004_b4”，“series-title”：”2012年IEEE计算机视觉和模式识别会议”，“首页”：“1170”，“article-title”：“珊瑚礁调查图像的自动注释”，“author”：“Beijbom”，“year”：“2012”}，{“key”：“10.1016\/j.neunet.2020.10.004_b5”，“doi-asserted-by”：“crossref”，“first page”：卷积神经网络中类不平衡问题的系统研究”，“卷”：“106”，“作者”：“Buda”，“年份”：“2018”，“期刊标题”：“神经网络”}，{“关键”：“10.1016\/j.neunet.2020.10.004_b6”，“doi-asserted-by”：“crossref”，“首页”：“321”，“doi”：“101613\/jair.953”，“文章标题”：《SMOTE：合成少数过采样技术》卷：“16”，“作者”：“Chawla”，“年份”：“2002”，“期刊标题”：“人工智能研究杂志”}，{“密钥”：“10.1016\/j.neuet.20210.004_b7”，“系列标题”：“EMNIST：MNIST对手写字母的扩展”，“作者”：“科恩”，“年份”：“2017”}，{“密钥”：“10.1016\/j.neuet.20210.004_b8”，“系列标题”：“CINIC-10不是图像网或CIFAR-10”author”：“Darlow”，“year”：“2018”}，｛“key”：“10.1016\/j.neuet.20210.004_b9”，“doi断言”：“crossref”，“首页”：“464”，“doi”：“10.1016\/j.eswa.201709.030”，“文章标题”：“使用条件生成对抗性网络进行不平衡学习的有效数据生成”，“volume”：“91”，“author”：“Douzas”，“year”：“2018”，“期刊标题”：“带应用程序的专家系统“}，{“key”：“10.1016\/j.neunet.2020.10.004_b10”，“article-title”：“基于具有梯度惩罚的wasserstein生成性对抗网络的故障诊断中的数据增强”，“author”：“Gao”，“year”：“2019”，“journal-title“：”Neurocomputing“}”，{Gloot，X.和Bengio，Y.（2010年）。了解训练深度前馈神经网络的困难。第十三届人工智能与统计国际会议论文集（第249\u2013256页）。“}，{”key“：”10.1016\/j.neunet.2020.10.004_b12“，”series-title“：”神经信息处理系统的进展“，”首页“：”2672“，”article-title“：“生成对抗网”，”author“：”Goodfellow“，”year“：”2014“}”，{“key”：“10.1016\\j.neunet.200.10.004_b13”，“series-ttle”：“Maxout networks”，“author”：“Goodfelow”，“year”：“2013”}，”{“issue”：“2”，“键”：“10.1016\/j.neunet.2020.10.004_b14“，”doi-asserted-by“：”crossref“，”first page“：”161“，“doi”：“10.3390\/rs8020161”，“article-title”：“具有监督分类模型和不平衡数据的热带农业景观的树种丰度预测”，“volume”：“8”，“author”：“Graves”，“year”：“2016”，“journal-title“：”遥感“}”，{“key”：”10.1016\/j.neuet.20210.004_b15”，“系列标题”：“粗糙神经计算”，“第一页”：“543”，“文章标题”：“一种基于规则强度变化的不平衡数据集方法”，“作者”：“Grzymala Busse”，“年份”：“2004”}，{“键”：“10.1016\/j.neuet.20210.004_b16”，“系列标题”：“神经信息处理系统的进展”，“第一页”：“5767“，“article-title”：“改进wasserstein gans的训练”，“author”：“Gulrajani”，“year”：“2017”}，{“key”：“10.1016\/j.neunet.2020.10.004_b17”，“doi-asserted-by”：“crossref”，“first page”：”220“，“doi”：“101016\/j.eswa.2016.12.035”，“article-title”：“从类mbaled数据中学习：方法和应用的回顾”，“volume”：“海翔”年份“：”2017“，”期刊标题“：”应用专家系统“}，{“key”：“10.1016\/j.neunet.2020.10.004_b18”，“series-title”：“智能计算国际会议”，“首页”：“878”，“文章标题”：“Borderline-SMOTE：非平衡数据集学习中的一种新的过采样方法”，“author”：“Han”，“year”：“2005”}10.1016\/j.neunet.2020.10.004_b19“，“series-title”：“2008 IEEE国际神经网络联合会议（IEEE计算智能世界大会）”，“首页”：“1322”，“文章-标题”：“ADASYN:非平衡学习的自适应合成抽样方法”，“作者”：“He”，“年份”：“2008}”，{“问题”：“9”，“关键”：“10.1016\/j.neunet.2020.10.004_b20“，“首页”：“1263”，“文章标题”：“从不平衡数据中学习”，“作者”：“他”，“年份”：“2008”，“期刊标题”：《IEEE知识与数据工程学报》}，{“key”：“10.1016\/j.newnet.2020.1004_b21”，“series-title”：“健康信息学的机器学习：现状和未来挑战（第9605卷）“，”author“：”Holzinger“，”year“：”2016“}，{”issue“：”5“，”key“：”10.1016\/j.neunet.2020.10.004_b22“，”doi-asserted-by“：”crossref“，”first-page“：”429“，”doi“：”10.3233\/IDA-2002-6504“，”article-title“：”阶级失衡问题：一项系统研究“，”volume“：智能数据分析“}，{”键“：”10.1016\/j.neunet.2020.10.004_b23“，“series-title”：“神经信息处理国际会议”，“首页”：“152”，“article-title”：“互补神经网络与SMOTE算法相结合对非平衡数据进行分类”，“author”：“Jeatrakul”，“year”：“2010”}，{“issue”：“20”，“key”：doi-asserted-by“：”crossref“，”first page“：”6969“，”doi“：”10.1080\/01431161.2013.810825“，”article-title“：”一种混合泛锐化方法和基于多尺度对象的图像分析，用于绘制患病松树和橡树图”，“volume”：“34”，“author”：“Johnson”，“year”：“2013”，“journal-title”：“International journal of Remote Sensing”}，{“key”：”10.1016\/j.neunet.2020.10.004_b25“，“series-title”：“Adam：一种随机优化方法”，“author”：“Kingma”，“year”：“2014”}，{“key”：“10.1016\\j.neunet.2020.10.004_b26”，“series-title”：”从微小图像中学习多层特征“，”author“：”Krizhevsky“，”年“2009”}、{“key”：“”神经信息处理系统进展”，“首页”：“1097”，“文章标题”：“深度卷积神经网络的Imagenet分类”，“作者”：“Krizhevsky”，“年份”：“2012”}，{“问题”：“2\u20133”，“关键”：“10.1016\/j.neunet.2020.10.004_b28”，“doi-asserted-by”：“crossref”，“第一页”：卫星雷达图像中石油泄漏检测的机器学习”，“volume”：“30”，“author”：“Kubat”，“year”：“1998”，“journal-title”：“Machine learning”}，{“key”：”10.1016\/j.neunet.2020.1004_b29“，”series-title“：”使用学习过的相似性度量对像素进行自动编码“，”author“：”Larsen“，”year“：”2015“}，”{“issue”：“11”，“key“：”10.1016\/j.neunet.2020.10.004_b30“，”doi-asserted-by“：”crossref“，”first page“：”2278“，”doi“：”10.1109\/5.726791“，”article-title“：”Gradient-based learning applied to document recognition“，”volume“：“86”，”author“：”LeCun“，”year“：”1998“，”journal-title”：“IEEE Proceedings of the IEEE”}，{“key”：“10.1016\\j.neunet.2020.10.004_b31”，”series-title“：“”MNIST手写数字数据库（第2卷）“，“首页”：“18”，“作者”：“LeCun”，“年份”：“2010”}，{“key”：“10.1016\/j.neunet.2020.10.004_b32”，“series-title”：“2017 IEEE国际大数据会议”，“首版”：“3248”，“文章标题”：“深度神经网络和生成对抗网络在工业维护中的应用：异步电机故障检测的案例研究”，“作者”：“Lee”，“年份”：“2017”}，{“关键”：“10.1016\/j.neunet.2020.1004_b33”，“doi-asserted-by”：“crossref”，“首页”：“28158”，”doi“：”10.1109\/ACCES.2019.2899108“，”article-title“：”可控生成对抗网络”，“卷”：“7”，“作者”：“Lee”，“年份”：“2019”，“日志标题”：“IEEE Access”}，{“问题”：“5”，“关键”：“10.1016\/j.neunet.2020.10.004_b34”，“首页”：“150”，“文章标题”：”滚动轴承故障诊断中的数据不平衡问题计算机工程与科学“}，{“issue”：“6”，“key”：“10.1016\/j.neunet.2020.10.004_b35”，“doi-asserted-by”：“crossref”，“first-page”：“454”，“doi”：“1018178\/ijmlc.2015.5.6.551”，“article-title”：“基于特征部分和欠采样的集成分类器用于web垃圾邮件检测”，“volume”：国际机器学习与计算杂志“}，{”key“：”10.1016\/j.neunet.2020.10.004_b36“，”series-title“：”2012年第11届机器学习与应用国际会议（第2卷）“，”首页“：”89“，”article-title“：“高维分类微阵列数据的评估”，“author”：“Lusa”，“year”：“2012”}，”{“key”：“”10.1016\/j.neunet.2020.10.004_b37“，”doi-asserted-by“：”crossref“，”unstructured“：”Ma，K.，Wu，Q.，Wang，Z.，Duanmu，Z..，Yong，H.，Li，H.，&Zhang，L.（2016）。群体疯狂竞争——一种比较客观图像质量模型的新方法。《IEEE计算机视觉和模式识别会议论文集》（第1664\u20131673页）。“，”DOI“：”10.1109\/CVPR.2016.184“}，{“issue”：“Nov”，“key”：“10.1016\/j.neunet.2020.104_b38”，“首页”：“2579”，“article-title”：“使用t-SNE可视化数据”，“volume”：”9“，“author”：“Maaten”，“year”：“2008”，“journal-title“：“journal of Machine Learning Research”}，“issue.004_b39“，”DOI-asserted-by“：”crossref“，”首页“：”51“，”DOI“：”10.1016\/S0933-3657（01）00092-6“，”article-title“：”医疗决策支持回归问题中训练数据的偏差问题“，”volume“：”24“，”author“：”Mac\u00a0Namee“，”year“：”2002“，”journal-title”：“医学中的人工智能”}，{“key”：“10.1016\/j.neunet.2020.10.004_b40”，“series-title”：”Bagan:带平衡gan的数据增强”，“author”：“Mariani”，“year”：“2018”}，{“key”：“10.1016\/j.neunet.2020.1004_b41”，“series-title”：“条件性生成对抗网”，“author”:“Mirza”，“year”:“2014”}“：”10.1109 \/TCYB.2014.2372060“，”article-title“：“不平衡分类问题的基于灵敏度的多样化欠采样”，“volume”：“45”，“author”：“Ng”，“year”：“2014”，“journal-title”：“IEEE控制论汇刊”}，{“issue”：“1”，“key”：”10.1016\/j.neunet.2020.104_b43“，”doi-asserted-by“：”crossref“，”first page“：”4“，”doi“：”10.1504\/IJKESDP.2011.039875“，”article-title“：”不平衡数据分类的边界线过采样“，”volume“：”3“，”author“：”Nguyen“，”year“：”2011“，”journal-title”：“International journal of Knowledge Engineering and Soft data Paradigms”}，{“key”：“10.1016\/j.neunet.2020.10.004_b44”，“series-title”：”第34届机器学习国际会议论文集（第70卷）”，“首页”：“2642”，“文章标题”：“带辅助分类器的条件图像合成”，“作者”：“Odena”，“年份”：“2017”}，{“问题”：“1”，“关键”：“10.1016\/j.neunet.2020.1004_b45”，“doi-asserted-by”：“crossref”，“第一页”：00116-6“，”article-title“：“关于梯度下降学习算法中的动量项”，“volume”：“12”，“author”：“Qian”，“year”：“1999”，“journal-title”：“Neural Networks”}，{“key”：”10.1016\/j.neunet.2020.10.004_b46“，”series-title“：”使用深度卷积生成对抗网络的无监督表示学习“，”author“：”Radford“，”year“：”2015年“}，{”issue“：”2“，”key“：”10.1016\/j.neunet.2020.10.004_b47“，”doi-asserted-by“：”crossref“，”first page“：“245”，“doi”：“10.1007\/s10115-011-0465-6”，“article-title”：“SMOTE-RSB*：一种基于过采样和欠采样的混合预处理方法，用于使用SMOTE和粗糙集理论的高度不平衡数据集”，“volume”：“33”，“author”：“Ramentol”，“年份：“2012”，“新闻标题”：“知识与信息系统”}，{“key”：“10.1016\/j.neunet.2020.10.004_b48”，“series-title”：“神经信息处理系统的进展”，“首页”：“2234”，“article-title”：《培训机构的改进技术》，“author”：“Salimans”，“year”：“2016”}crossref“，”first page“：”58“，”DOI“：”10.1016\/j.neunet.2020.04.008“，”article-title“：”生成性对抗网络是人工好奇心的特例（1990年），也与可预测性最小化密切相关（1991年）“，”volume“：“127”，”author“：”Schmidhuber“，”year“：”2020“，”journal title“：“Neural networks”}，{“key”：“10.1016\/j.neuet.20210.004_b50”，“系列标题”：“用于大规模图像识别的超深度卷积网络”，“作者”：“Simonyan”，“年份”：“2014”}，{“问题”：“4”，“密钥”：“10.1016\/j.neuet.20210.004_b51”，“doi断言者”：“crossref”，“首页”：“746”，“doi”：“10.3390\/app9040746”，“文章标题”：“轴承故障检测和诊断不平衡数据的生成过采样方法”，“卷”：“9”，“作者”：“Suh”，“年份”：“2019”，“期刊标题”：“应用科学”}，{“key”：“10.1016\/j.neuet.20210.004_b52”，“系列标题”：“2017年非语言挑战数据集（第1卷）”，“作者”：“Van \u00a0Horn”，“年份”：“2017”}，{“key”：“10.1016\/j.neunet.2020.10.004_b53“，“series-title”：“第三届第七届信号、系统和计算机asilomar会议（第2卷）”，“首页”：“1398”，“文章-标题”：“用于图像质量评估的多尺度结构相似性”，“作者”：“王”，“年份”：“2003”}，{“key”：“10.1016\\j.neunet.2020.10.004_b54”，“doi-asserted-by”：“crossref”，“第一页”：18450“，”DOI“：”10.1109\/ACCESS.2019.2896409“，”article-title“：”基于WGAN的合成少数人过采样技术：“改进CT图像中肺结节的语义细粒度分类”，“volume”：“7”，“author”：“Wang”，“year”：“2019”，“journal-title”：“IEEE ACCESS”}，{“issue”：“1\u20133”，“key”：”10.1016\/j.neunet.2020.10.004_b55“，”DOI-asserted-by“：”crossref“，”first page“：”37“，”DOI“：”10.1016\/0169-7439（87）80084-9“，“article-title”：“主成分分析”，“volume”：“2”，“author”：“Wold”，“year”：“1987”，“journal-title“：”化学计量学和智能实验室系统“}，{“key”：”10.116\/j.neunet.2020.10.004_b56“，”series-title“：“”2016年数字图像计算国际会议：技术与应用”，“首页”：“1”，“文章标题”：“理解分类的数据增强：何时扭曲？”？“，”author“：”Wong“，”year“：”2016“}，{”key“：”10.1016\/j.neunet.2020.10.004_b57“，”series-title“：”2010 IEEE计算机学会计算机视觉和模式识别会议“，”first page“：“3485”，”article-title“：“Sun database:Large scale scene recognition from abbey to zoo”，“author”：“Xiao”，“year”：“2010”}，“key”：“10.1016//j.neunet.2020.10.004 _b58”，“”series-title“：“Fashion-mnist:一个用于基准机器学习算法的新图像数据集”，“author”：“Xiao”，“year”：“2017”}，{“issue”：“2”，“key”：“10.1016\/j.neunet.2020.1004_b59”，“doi-asserted-by”：“crossref”，“first page”：不平衡数据集对LDA的影响：理论和实证分析”，“卷”：“40”，“作者”：“谢”，“年份”：“2007”，“期刊标题”：“模式识别”}，{“问题”：“4”，“关键”：“10.1016\/j.neuet.20210.004_b60”，“doi断言”：“crossref”，“首页”：“1125”，“doi”：“10.1002\/prot.21870”，“文章标题”：“数据不平衡的蛋白质分类“，“volume”：“70”，“author”：“Zhao”，“year”：“2008”，“journal-title”：“蛋白质：结构、功能和生物信息学”}]，“container-title“：[”Neural Networks“]，“original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S089360802030592？httpAccept=text\/xml”，“content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0893608020303592？httpAccept=text\/plain“，”content-type”：“text\/prain”，“content-versiion”：“vor”，“intended-application”：“text-mining}”，“deposed”：{“date-parts”：[2020,12,4]]，“日期时间“：”2020-12-04T01:21:21Z“，”timestamp“：1607044881000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0893608020303592”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2021,1]]}，‘references-count’：60，‘alternative-id’：[”S0893608020303592“]，”URL“”：“http://\/dx.doi.org\/10.1016\/j.neunet.2020.10.004”，“relationship“：{}，”ISSN“：[”0893-6080“]，”ISSN-type“：[{”value“：”0893-6080“，”type“:”print“}]，”subject“：【】，”published“：{”date-parts“：[2021,1]}，“assertion”：【{”value“：”Elsevier“，”name“：”publisher“，”label“此文章由”}维护，{“value”：“CEGAN:分类增强生成对抗网络用于解决数据不平衡问题”，“name“：”articletitle“，”label“：”Article Title“}，”{“value”：“Neural Networks”，“name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\/\/doi.org\/10.1016\/j.neunet.2020.1004”，“name”：“articlelink”，“标签”：“CrossRef doi link to publisher maintained version”}、{“值”：“文章”，“名称”：“content_type”，“table”：“content-type”}\u00a9 2020爱思唯尔有限公司版权所有。“，”名称“：”版权“，”标签“：”版权“｝]｝