基于核岭回归的核质量与分离能多任务学习
核理论
2022-08-31 v1
摘要
通过向核岭回归(KRR)方法引入梯度核函数，发展了用于核质量与分离能的多任务学习(MTL)框架，称为梯度核岭回归。以WS4质量模型为例，利用该质量模型的残差(即实验与理论质量值及单核子分离能之间的偏差)训练梯度KRR网络，以提高理论预测精度。梯度KRR方法在核质量与分离能的内插和外推预测中均取得了显著改进。这证明了本MTL框架的优势：其整合了核质量与分离能的信息，并改善了两者的预测。
引用
@article{arxiv.2208.13966,
title = {Multi-task learning on nuclear masses and separation energies with the kernel ridge regression},
author = {X. H. Wu and Y. Y. Lu and P. W. Zhao},
journal= {arXiv preprint arXiv:2208.13966},
year = {2022}
}
备注
3 pages, 3 figures