BP神經(jīng)網(wǎng)絡(luò)的代價(jià)敏感學(xué)習(xí)算法研究.pdf

1、誤差反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)具有很強(qiáng)的魯棒性和容錯性，作為分類模型在醫(yī)學(xué)輔助診斷中得到廣泛的應(yīng)用。但是，BPNN是一種代價(jià)不敏感的分類模型。一種類別誤分為另一種類別的代價(jià)可能極其不同，若直接將傳統(tǒng)BPNN應(yīng)用到醫(yī)學(xué)輔助診斷等代價(jià)敏感的領(lǐng)域，當(dāng)誤分類或誤診時有可能付出慘重的治療代價(jià)。
　　 將傳統(tǒng)的BPNN改造為代價(jià)敏感的有多種途徑，最吸引人的途徑是把其分類誤差函數(shù)改變?yōu)榇鷥r(jià)敏感的，使其通過原始樣本集和代價(jià)敏感矩陣能夠?qū)W習(xí)誤分

2、類代價(jià)。分析了先前提出的代價(jià)敏感的BPNN構(gòu)造方法，指出此前提出的基于最小誤分類代的方法在分類精度方面的不足。
　　 考慮到當(dāng)網(wǎng)絡(luò)正確分類時，如果向BPNN反饋分類代價(jià)，會降低BPNN對當(dāng)前事例的分類精度。針對上述不足，提出了以期望誤分類代價(jià)函數(shù)作為代價(jià)敏感BPNN的分類誤差函數(shù)，并推導(dǎo)了誤分類代價(jià)反向傳播調(diào)整學(xué)習(xí)參數(shù)公式，得到一個新的代價(jià)敏感BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
　　 為了驗(yàn)證算法，開發(fā)了基于.NET的實(shí)驗(yàn)平臺。以交