本文提出了一种新的学习策略，用于解决神经网络在处理类不平衡数据时的欠拟合和过拟合问题。该策略通过混合主类数据和其他数据的特征，在小批量中削弱主类数据的特征，以实现类之间的训练过程平衡。该策略在难度较大的数据集中取得了最新成果。