用于分类晶相事件的机器学习方法比较
机器学习
2024-10-15 v1 高能物理 - 实验
数据分析、统计与概率
摘要
本文比较了深度学习模型用于分类晶相数据集的性能。我们评估了最先进的模型（MobileViT、NAT、EfficientNet、CNN），以及几个集成模型（多数投票、AdaBoost）。此外，我们探索了数据在变换后的颜色空间中的表示。我们的发现表明，NAT和MobileViT的性能优于其他模型，在训练和测试数据上的最高指标分别为准确率、AUC和F1分数（NAT：94.65、0.98、0.94；MobileViT：94.20、0.98、0.94），超过了早期的CNN模型（88.44、0.95、0.88）。我们还讨论了顶级模型的失败案例。
引用
@article{arxiv.2410.09756,
title = {Comparison of Machine Learning Approaches for Classifying Spinodal Events},
author = {Ashwini Malviya and Sparsh Mittal},
journal= {arXiv preprint arXiv:2410.09756},
year = {2024}
}