×

训练用于识别电子碰撞模式的人工神经网络。 (英语) Zbl 1482.82049号

本文的目的是建立一个基于人工神经网络的分类模型,将电子散射截面(ESCS)数据区分为以下碰撞类型:附着、弹性、激发和电离。ESCS用于等离子体建模领域。所提出的人工神经网络(ANN)模型是一个经典的多层感知器,其中权重和偏差由梯度下降算法(所谓的反向传播算法)训练。通过贝叶斯优化方法优化非约束参数,例如每个层中的节点数。通过蒙特卡罗交叉验证程序检查了模型的性能。关于数据处理,有一份报告称,电子与分子碰撞的所有散射截面数据都已从等离子体数据交换项目LXCat下载,该数据可在补充材料中获得。文章的第三部分介绍了实验、统计性能分析和特征调查。在第四节中可以找到简短的讨论。与本条相关的补充材料包含在:https://doi.orf/10.5281/zenodo.4015194https://doi.org/10.1016/j.physleta.2020.127005.

MSC公司:

82立方32 神经网络在含时统计力学问题中的应用
68T07型 人工神经网络与深度学习
81U05型 \(2)-体势量子散射理论
2015年1月62日 贝叶斯推断
82D10号 等离子体统计力学
82立方米 蒙特卡罗方法在统计力学问题中的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 圭拉,V。;Tejero-del-Caz,A。;Pintassilgo,C.D。;Alves,L.L.,N2-O2等离子体建模:体积和表面动力学,等离子体源科学。技术。,28,第073001条pp.(2019)
[2] Pitchford,L。;阿尔维斯,L。;Bartschat,K。;比亚吉,S。;博尔达吉,M。;菲尔普斯。;费雷拉,C。;哈格拉尔,G。;摩根·W·。;Pancheshnyi,S.,惰性气体中电子-中性散射截面集和群参数集的比较:I.氩气,J.Phys。D、 申请。物理。,第46条,第334001页(2013年)
[3] Alves,L.,LXCat上的IST-LISBON数据库,J.Phys。Conf.序列号。,565012007(2014),(IOP出版)
[4] 哈格拉尔,G。;Pitchford,L.,《求解玻尔兹曼方程以获得流体模型的电子传输系数和速率系数》,等离子体源科学。技术。,14, 722 (2005)
[5] Hinze,J.,《电子-原子和电子-分子碰撞》(2013),Springer Science&Business Media
[6] Golden,D。;班德尔,H。;Salerno,J.,《低电子能量下H2和D2的绝对总电子散射截面》,Phys。修订版,146、40(1966)
[7] Cosby,P.,《氧的电子冲击解离》,《化学杂志》。物理。,98, 9560-9569 (1993)
[8] Inokuti,M。;Bederson,B。;Walther,H.,《原子、分子和光学物理进展:截面数据》(1994),学术出版社
[9] 米洛伊,H。;Crompton,R。;Rees,J。;Robertson,A.,能量范围为0-4eV的氩中电子的动量转移截面,Aust。《物理学杂志》。,30, 61-72 (1977)
[10] Morgan,W.L.,《使用神经网络从电子群数据获取横截面的可行性》,IEEE Trans。血浆科学。,19250-255(1991年)
[11] 钟,L.,通过机器学习快速预测大分子的电子碰撞电离截面,J.Appl。物理。,125,第183302条pp.(2019)
[12] 斯托克斯,P.W。;旋塞,D.G。;Brunger,M.J。;White,R.D.,使用深层神经网络从传输系数确定横截面,等离子体源科学。技术。,29(2020)
[13] A.梅斯巴。;Graves,D.B.,《非平衡等离子体建模、诊断和控制的机器学习》,J.Phys。D、 申请。物理。,52 (2019)
[14] 伊特卡瓦,Y。;梅森,N.,《电子与水分子碰撞的横截面》,J.Phys。化学。参考数据,34,1-22(2005)
[15] Itikawa,Y.,《电子与氧分子碰撞的横截面》,J.Phys。化学。参考数据,38,1-20(2009)
[16] Tanaka,H。;Inokuti,M.,《材料等离子体加工与原子、分子和光学物理》。简介,Adv.At.Mol.Opt。物理。,43, 1-17 (2000)
[17] 洛扎诺,A.I。;Loupas,A。;布兰科,F。;J.戈芬基尔。;García,G.,《(1-300 eV)冲击能量范围内噻吩的总电子散射截面》,《化学杂志》。物理。,149,第134303条pp.(2018)
[18] 米尔扎,M。;Osindero,S.,条件生成对抗网(2014),预印本
[19] Shmelkov,K。;施密德,C。;Alahari,K.,我的GAN有多好?,计算机科学课堂讲稿人工智能课堂讲稿和生物信息学课堂讲稿,第11206卷LNCS,218-234(2018)
[20] Peurifoy,J。;沈毅。;Jing,L。;Yang,Y。;Cano-Reteria,F。;DeLacy,B.G。;Joannopoulos,J.D。;Tegmark,M。;Soljać,M.,《利用人工神经网络进行纳米光子粒子模拟和逆向设计》,科学。高级,4,1-7(2018)
[21] Zhang,Y。;Fu,H。;Sui,Y.,电磁波和等离子体相互作用系统参数反演的神经网络模型,IEEE Trans。血浆科学。,48, 2143-2152 (2020)
[22] Tsoumakas,G。;Katakis,I.,《多标签分类:概述》,《国际数据仓库》。最小值,3,1-13(2007)
[23] Krizhevsky,A。;Sutskever,I。;Hinton,G.E.,用深度卷积神经网络进行Imagenet分类,(神经信息处理系统进展(2012)),1097-1105
[24] Mikolov,T。;Karafiát,M。;Burget,L。;乔尔诺克ỳ, J。;Khudanpur,S.,基于递归神经网络的语言模型,(国际言语交际协会第十一届年会(2010))
[25] LeCun,Y。;本吉奥,Y。;Hinton,G.,《深度学习》,《自然》,521436-444(2015)
[26] Ruder,S.,梯度下降优化算法概述(2016),预印本
[27] Sadowski,P.,反向传播注释(2016),(在线)
[28] 哈斯蒂,T。;Tibshirani,R。;Friedman,J.,《统计学习的要素:数据挖掘、推断和预测》(2009),施普林格科学与商业媒体·Zbl 1273.62005年
[29] Burman,P.,《普通交叉验证、v形交叉验证和重复学习测试方法的比较研究》,《生物统计学》,76,503-514(1989)·Zbl 0677.62065号
[30] 斯诺克,J。;拉罗谢尔,H。;Adams,R.P.,机器学习算法的实用贝叶斯优化,(神经信息处理系统进展(2012)),2951-2959
[31] 威廉姆斯,C.K。;拉斯穆森,C.E.,《机器学习的高斯过程》,第2卷(2006年),麻省理工学院出版社:麻省理工学院出版社,马萨诸塞州剑桥·兹比尔1177.68165
[32] Bull,A.D.,高效全局优化算法的收敛速度,J.Mach。学习。第12号决议,2879-2904(2011年)·兹比尔1280.90094
[33] Dayhoff,J.E。;DeLeo,J.M.,《人工神经网络:打开黑盒子》,《癌症干预》。国际J.Amer。癌症学会,91,1615-1635(2001)
[34] 医学博士泽勒。;Fergus,R.,《卷积网络的可视化和理解》(欧洲计算机视觉会议(2014),施普林格),818-833
[35] 周,B。;科斯拉,A。;Lapedriza,A。;奥利瓦,A。;Torralba,A.,学习区分性定位的深层特征,(IEEE计算机视觉和模式识别会议论文集(2016)),2921-2929
[36] Breiman,L.,《随机森林》,马赫。学习。,45, 5-32 (2001) ·Zbl 1007.68152号
[37] Yang,J.-B。;沈克强。;Ong,C.-J。;Li,X.-P.,MLP神经网络的特征选择:概率输出的随机排列的使用,IEEE Trans。神经网络。,20, 1911-1922 (2009)
[38] Biagi,2020年6月30日取回
[39] Biagi-v7.1,2020年6月30日检索
[40] Bordage数据库,2020年6月30日检索
[41] Bsr,2020年6月30日检索
[42] 抄送数据库,2020年6月30日检索
[43] Christophorou数据库,检索日期:2020年6月30日
[44] 警察,2020年6月30日取回
[45] 弗林德斯数据库,于2020年6月30日检索
[46] Hayashi数据库,2020年6月30日检索
[47] Ist-lisbon数据库,检索日期:2020年6月30日
[48] Itikawa数据库,2020年6月30日检索
[49] 摩根,2020年6月30日取回
[50] 菲尔普斯数据库,2020年6月30日检索
[51] Puech数据库,检索日期:2020年6月30日
[52] Quantemol数据库,于2020年6月30日检索
[53] Siglo数据库,2020年6月30日检索
[54] Triniti数据库,2020年6月30日检索
[55] 钟,Z。;郑,L。;Kang,G。;李,S。;Yang,Y.,《随机擦除数据增强》(2017),预印本
[56] Sáiz-Abajo,M。;Mevik,B.-H。;Segtnan,V。;Næs,T.,Ensemble methods and data augmentation by noise additions applied to analysis of spectral data,Anal.集成方法和通过噪声添加的数据增强应用于光谱数据的分析。蜂鸣器。《学报》,533147-159(2005)
[57] Owoyemi,J。;Hashimoto,K.,从3D点云数据中动态手势的时空学习,(2018年IEEE机器人与自动化国际会议(ICRA)(2018),IEEE),1-5
[58] 肖特恩,C。;Khoshgoftaar,T.M.,深度学习图像数据增强调查,大数据,6(2019)
[59] 洛杉矶杰尼。;科恩,J.F。;De La Torre,F.,因使用性能指标而面临不平衡的数据重新推荐,(2013年Humaine协会情感计算和智能交互会议(2013年),IEEE),245-251
[60] Polak,L.S。;Szove,D.I.,激发和分子解离,辐射。物理学。化学。,257-282 (1976)
[61] 戈佩,K。;Tadsare,V。;Prabhudesai,V.S。;Krishnakumar,E.,《通过DEA生成NO2的电子激发NO》,《欧洲物理学》。J.D,71,1-6(2017)
[62] Liu,A.C.,《过采样和欠采样对非平衡文本数据集分类的影响》(2004),德克萨斯大学奥斯汀分校
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。