多层感知器结合数据增强在核物理中的应用
机器学习
2022-09-29 v2 核理论
摘要
神经网络因其作为有前景、可靠且强大的工具，已在许多科学领域变得流行。在这项工作中，我们研究了数据增强对核物理数据神经网络模型预测能力的影响。我们提出了两种不同的数据增强技术，并从不同网络深度、优化器、激活函数和随机种子值的角度进行了详细分析，以展示模型的成功和鲁棒性。通过首次利用实验不确定性进行数据增强，训练数据集的大小被人为地扩大，并研究了模型在测试集上的预测与实验数据之间的均方根误差的变化。我们的结果表明，数据增强降低了预测误差，稳定了模型并防止了过拟合。我们还测试了多层感知器模型对AME2020质量表中新测量核素的外推能力，结果表明，使用数据增强显著改善了预测。
引用
@article{arxiv.2205.07953,
title = {Application of multilayer perceptron with data augmentation in nuclear physics},
author = {Hüseyin Bahtiyar and Derya Soydaner and Esra Yüksel},
journal= {arXiv preprint arXiv:2205.07953},
year = {2022}
}