题名 | 博士论文-人工神经网络自适应结构策略及应用研究 |
作者 | 孙功星 |
学位类别 | 博士 |
答辩日期 | 1998 |
授予单位 | 中国科学院研究生院 |
授予地点 | 北京 |
导师 | 戴贵亮 |
关键词 | 遗传进化学 多网络预言 自适应算法 暗物质 |
学位专业 | 粒子物理 |
中文摘要 | 粒子鉴别是粒子物理数据分析的基本任务之一,人工神经网络的模式识别方法已经受到实验粒子物理学家的重视与引用。本文针对神经网络应用于粒子物理数据分析所遇到的问题,对神经网络方法进行了研究。本文在详尽地评述神经网络的最新研究状况及存在问题的基础上,论述了我们在人工神经网络样本选取、人工神经网络自适应结构策略等方面的研究工作,以及尝试把神经网络自适应结构策略运用于暗物质粒子的鉴别。在人工神经网络的样本选取和自适应结构算法方面,我们的研究工作概述如下:(1)在神经网络的样本选取方面,针对主动学习的样本选择策略的不足,我们提出了遗传进化的样本选择策略,与以前方法不同的是,该方法注重样本的群体效应,因而,选择出的样本集更简洁、更具有代表性。(2)目前神经网络的自适应结构算法的性能大多依赖于某些指定的参数。我们提出的特征空间划分的网络结构算法能避免现有算法的许多困难,快速地结构出一个初始网络。(3)神经网络的自适应结构策略的主要缺陷是泛化表现不够理想。鉴于此,我们提出了多网络预言策略,由于多网络的平均效应,它能避免单个网络或少数几个网络的预言偏差,进而获得理想的结果。在人工神经网络应用方面,我们尝试把人工神经网络的自适应结构方法用于暗物质粒子的分辨。用源标定数据的采样对神经网络方法进行了初步的尝试,取得的结果表明,神经网络能自动地抽取有助于分类的特征,从背景噪声中辨认出暗物质信号。对测试样本的正确分类率达到70%以上,且训练和泛化结果显示了相当的一致性,这是传统方法难以达到的。 |
语种 | 中文 |
学科主题 | 粒子物理 |
公开日期 | 2016-02-25 |
内容类型 | 学位论文 |
源URL | [http://ir.ihep.ac.cn/handle/311005/209417] |
专题 | 计算中心_学位论文和出站报告 |
作者单位 | 中国科学院高能物理研究所 |
推荐引用方式 GB/T 7714 | 孙功星. 博士论文-人工神经网络自适应结构策略及应用研究[D]. 北京. 中国科学院研究生院. 1998. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论