利用神經(jīng)網(wǎng)絡(luò)識別追蹤實驗特征
據(jù)外媒Neowin報道，物理領(lǐng)域的研究受益于人工神經(jīng)網(wǎng)絡(luò)和深度學習的興起。過去，我們已經(jīng)看到它們被用于研究暗物質(zhì)和大型星系。而現(xiàn)在科學家已經(jīng)在外來粒子研究中使用了神經(jīng)網(wǎng)絡(luò)。在歐洲核子研究組織（CERN）的大型強子對撞機（LHC）上建立的緊湊型μ子介子螺線管(CMS)上，研究人員正在使用神經(jīng)網(wǎng)絡(luò)識別由LHC內(nèi)部質(zhì)子-質(zhì)子碰撞產(chǎn)生的非典型實驗特征。
傳統(tǒng)碰撞算法很難追蹤這些實驗特征，因為碰撞產(chǎn)生的大部分“碎片”都是短暫的。但是神經(jīng)網(wǎng)絡(luò)可以證明在這種情況下很有效。這是因為可以對它們進行實際數(shù)據(jù)訓練。
CMS的神經(jīng)網(wǎng)絡(luò)已經(jīng)使用這些數(shù)據(jù)進行了訓練，并將很快可以自動檢測實驗特征。為了進行訓練，研究人員使用了通過向后傳播進行域自適應來改善在碰撞數(shù)據(jù)中觀察到的噴氣機類概率分布的仿真模型。
對神經(jīng)網(wǎng)絡(luò)進行了訓練（在監(jiān)督下），以區(qū)分由長壽命粒子的衰變所產(chǎn)生的稱為“射流”的粒子噴霧與更為常見的物理過程所產(chǎn)生的射流。
到目前為止，該模型已顯示出令人鼓舞的結(jié)果。在對粒子軌道進行分析的過程中，從長壽命粒子中正確識別出噴射流的可能性為50％，在每千次中該模型僅一次錯誤識別了常規(guī)噴射流，并顯示出較少的誤報和誤報。
CERN相信，新系統(tǒng)將有助于推進該機構(gòu)尋找短暫和奇異顆粒的要求。有關(guān)更多信息，您可以研究在arXiv上發(fā)表的論文。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4844瀏覽量
108195 -
深度學習
+關(guān)注
關(guān)注
73文章
5610瀏覽量
124646
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎？
我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎，請問？您能否舉一些關(guān)于他們的用例的例子？
發(fā)表于 03-25 06:01
神經(jīng)網(wǎng)絡(luò)的初步認識
日常生活中的智能應用都離不開深度學習，而深度學習則依賴于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計原理及在MCU200T上仿真測試
數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時的梯度耗散問題。當x>0 時，梯度恒為1，無梯度耗散問題，收斂快；當x<0 時，該層的輸出為0。
CNN
發(fā)表于 10-29 07:49
NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹
NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。
該庫分為多個功能，每個功能涵蓋特定類別
發(fā)表于 10-29 06:08
構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議
整個模型非常巨大。所以要想實現(xiàn)輕量級的CNN神經(jīng)網(wǎng)絡(luò)模型，首先應該避免嘗試單層神經(jīng)網(wǎng)絡(luò)。
2)減少卷積核的大?。篊NN神經(jīng)網(wǎng)絡(luò)是通過權(quán)值共享的方式，利用卷積運算從圖像中提取線性紋理。
發(fā)表于 10-28 08:02
在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗
本帖欲分享在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓練框架，目標是訓練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
發(fā)表于 10-22 07:03
CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作
在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導入到存儲器內(nèi)。
在仿真環(huán)境下，可將其存于一個文件，并在 Verilog 代碼中通過 readmemh 函數(shù)
發(fā)表于 10-20 08:00
液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時間連續(xù)性與動態(tài)適應性的神經(jīng)網(wǎng)絡(luò)
1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)（LiquidNeuralNetworks，LNN）是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng)，特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu)，盡管這種微生物的
神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)
隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn)，如計算速度慢、訓練時間長等
基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預失真模型解決方案
在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預失真（DPD）模型中，使用不同的激活函數(shù)對整個系統(tǒng)性能和能效有何影響？
【嘉楠堪智K230開發(fā)板試用體驗】01 Studio K230開發(fā)板Test2——手掌，手勢檢測，字符檢測
這篇發(fā)完就繼續(xù)去整比賽了，后續(xù)看電賽上k230的發(fā)揮吧
之前的顏色識別和二維碼識別功能，類似于使用基礎(chǔ)工具進行圖像分析，適用于簡單任務(wù)，但在復雜場景下能力有限。
KPU（神經(jīng)網(wǎng)絡(luò)處理器）則是
發(fā)表于 07-10 09:45
無刷電機小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究
MATLAB/SIMULINK工具對該方法進行驗證,實驗結(jié)果表明該方法在全程速度下效果良好。
純分享帖，點擊下方附件免費獲取完整資料~~~
*附件：無刷電機小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究.pdf
發(fā)表于 06-25 13:06
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機故障診斷中的應用
摘要:針對傳統(tǒng)專家系統(tǒng)不能進行自學習、自適應的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點,很大程度上降低了對電機
發(fā)表于 06-16 22:09
神經(jīng)網(wǎng)絡(luò)RAS在異步電機轉(zhuǎn)速估計中的仿真研究
眾多方法中，由于其結(jié)構(gòu)簡單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計精度下降和對電動機參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點，使估計更為簡單、快速
發(fā)表于 06-16 21:54
基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析
本文的目的是在一個神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者MATLAB訓練好的神經(jīng)網(wǎng)絡(luò)模型，將訓練好的模型的權(quán)重和偏置文件以TXT文件格式導出，然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件，（coe
評論