利用多层前馈神经网络与支持向量机对β衰变半衰期系统学的统计全局建模
核理论
2008-09-03 v1
摘要
本文将β衰变半衰期问题视为一个非线性优化问题，并在机器学习（LM）的统计框架下求解。延续过去类似的方法，我们针对Z和N的奇偶性类别，构建了复杂的人工神经网络（ANN）和支持向量回归机（SVM），以全局建模基态下100%通过β-模式衰变的原子核的系统学。本文讨论并比较了两种机器产生的大规模寿命计算结果，并与现有实验数据、先前神经网络获得的结果以及传统全局核模型的估计值进行了对比。特别关注了对奇异核和晕核的估计，并聚焦于参与r-过程核合成的核素。研究发现，基于LM的统计模型至少可以匹配甚至超越最佳传统β衰变系统学模型的预测性能，并能对后者进行补充。
引用
@article{arxiv.0809.0383,
title = {Statistical Global Modeling of Beta-Decay Halflives Systematics Using Multilayer Feedforward Neural Networks and Support Vector Machines},
author = {N. J. Costiris and E. Mavrommatis and K. A. Gernoth and J. W. Clark and H. Li},
journal= {arXiv preprint arXiv:0809.0383},
year = {2008}
}
备注
8 pages, 1 fiqure, Proceedings of the 17th HNPS Symposium