位置:成果数据库 > 期刊 > 期刊详情页
用人工神经网络进行多参量模式识别的可行性研究
  • ISSN号:1000-1190
  • 期刊名称:《华中师范大学学报:自然科学版》
  • 时间:0
  • 分类:O572.2[理学—粒子物理与原子核物理;理学—物理]
  • 作者机构:[1]长江大学物理科学与技术学院,湖北荆州434023, [2]中国地质大学物理系,武汉430074, [3]华中师范大学粒子物理研究所,武汉430079
  • 相关基金:国家自然科学基金项目(10375025);湖北省教育厅重点项目(2003A002);湖北省高等学校优秀中青年科技创新团队计划项目资助(2003-16).
中文摘要:

为了解决Е、Ω等多奇异数重予豁别效率低的问题,拟用人工神经网络来进行鉴别.这类多奇异数重子的特点是,判定它们所需参量数目很大(〉10).用一个简单的蒙特卡洛模型研究了应用神经网络米识别多参量模式时需要解决的几个问题,所得到的结果支持用人工神经网络鉴别多参髓模式的可行性.往此魑础卜,提出了一种混合运用拓扑重构和人工神经网络的混杂(hybrid)方法,作为提高多奇异数重子鉴别效率的一种可能的方法.

英文摘要:

In order to solve the problem of low efficiency in the topological reconstruction of the multi-strange baryons such as Е .Ω, etc. , it is planed to use the artificial neural network to identify these baryons. The characteristic of these baryons is the large number of parameters (〉10) needed to identify them. Several problems that have to be solved before applying the neural network to identify the multy-parameter modes have been studied using a simple Monte Carlo model. The results support the possibility of the application of BP neural network to the identification of the multi-parameter modes. Basing on this study a hybrid method which combine the topological reconstruction and the artificial neural network together is proposed as a possible method for identifying the multi-strange baryons with higher efficiency.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《华中师范大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:教育部
  • 主办单位:华中师范大学
  • 主编:范军
  • 地址:武昌桂子山
  • 邮编:430079
  • 邮箱:inbox@mail.ccnu.edu.cn
  • 电话:027-67868127
  • 国际标准刊号:ISSN:1000-1190
  • 国内统一刊号:ISSN:42-1178/N
  • 邮发代号:38-39
  • 获奖情况:
  • 全国综合性科学技术核心期刊,中国科学引文数据库来源期刊,中国科技论文统计源期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),波兰哥白尼索引,德国数学文摘,英国动物学记录,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:8526