發(fā)布時間：2024-04-15 20:27

　　以加速器等大型科學裝置為代表的高能物理實驗是當今物理學的一個重要研究課題,其涵蓋了面向?qū)嶒炇聦嵉睦碚撗芯?與面向工程實踐的探測器和電子學研制等方面。目前,高能物理實驗朝著“能量前沿”和“高精度前沿”的方向迅速發(fā)展,隨著事件率的提高和每事件數(shù)據(jù)量的增加,研究者逐漸認識到,現(xiàn)有的基于傳統(tǒng)統(tǒng)計手段的數(shù)據(jù)處理方法已難以滿足探測器下一代升級的需求,尤其是在本底事件比例高、有效數(shù)據(jù)通量大和需要在線分析和觸發(fā)的情況下。在這其中,數(shù)據(jù)高維度、多重性和高度結(jié)構(gòu)化的特征是高能物理實驗數(shù)據(jù)分析普遍面臨的幾個主要的挑戰(zhàn)。進入二十一世紀的第二個十年,以“深度學習”為代表的人工智能技術(shù)正蓬勃發(fā)展,儼然成為一個獨立的且具有豐富內(nèi)涵的研究方向,并滲透到實驗物理學等多個領(lǐng)域,是當今備受關(guān)注的前沿問題。為了應(yīng)對數(shù)據(jù)高維度、多重性和高度結(jié)構(gòu)化的特征,需要有新的數(shù)據(jù)分析手段來利用數(shù)據(jù)本身的特點,從而在降低算法時間復雜度的同時提高算法的精度。在深度學習最為成功的計算機視覺領(lǐng)域,新的網(wǎng)絡(luò)架構(gòu)層出不窮,而這些網(wǎng)絡(luò)架構(gòu)大多數(shù)基于“卷積神經(jīng)網(wǎng)絡(luò)”。與傳統(tǒng)的前饋網(wǎng)絡(luò)相比,卷積神經(jīng)網(wǎng)絡(luò)利用了參數(shù)共享和平移不變的前提假設(shè),在控制網(wǎng)絡(luò)參數(shù)數(shù)量...

【文章頁數(shù)】：168 頁

【學位級別】：博士

【部分圖文】：

圖２．１神經(jīng)網(wǎng)絡(luò)與深度學習與人工智能其它領(lǐng)域的關(guān)系??“人工智能”的概念由Ｊｏｈｎ?ＭｃＣａｒｔｈｙ于２０世紀５０年代首次提出，發(fā)展至今包含了豐富??

？博士學位論文??ＤＵＣ?ｉ?ＯＲＡＬ?ＤｉＳＳｉ．Ｋｉ＇Ａｉ?ＩＯＮ??第２章預備知識??２．１卷積神經(jīng)網(wǎng)絡(luò)理論和實踐??２．１．１神經(jīng)網(wǎng)絡(luò)簡介??＾一

圖２．２人工神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元與生物神經(jīng)元的比較（神經(jīng)元（Ｎｅｕｒｏｎ），軸突（Ａｘｏｎ），樹突（Ｄ＾ｉｄｒｉｔｅ））??人工神經(jīng)Ｎ絡(luò)中敁為祛礎(chǔ)的結(jié)構(gòu)單元是“祌經(jīng)元”

？博士學位論文??ＩＸＫ?ｌＯＲＡｌ．ｍＳＳＩ．ＫＩＡＩＩＯＮ??薛所作的改進。??Ｄｅｎｄｒｉｔｅ?Ａｘｏｎ?ｔｅｒｍｉｎａｌ??ｆ、＇「丨?ｆ、Ａｘｏｎ?＇?＞?Ｓｃｈｗａｒｍ?ｃｅｌｌ?、??－?Ｄｅｎｄｒｉｔｅ?’?Ｎｅｕｒｏｎ??ｖｒ＇＇夂?？／??—＞?？＝噸￥叫?—....

圖２．３?—個典型的含一個隱含層的神經(jīng)網(wǎng)絡(luò)??在神經(jīng)網(wǎng)絡(luò)的范疇內(nèi)，以增加網(wǎng)絡(luò)深度和優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)為主要特點的“深度學習”技術(shù)在??近年來受到持續(xù)的關(guān)注

？博士學位論文??ＤＯＣ?ｉＯＲＡＬ?ＤｉＳＳｈＲｉＡｌ?ｌＯＮ??神經(jīng)元??（激活函數(shù)）??第１?Ｍ?＾?２層??Ｗｊ２＾！??�。А�?■?：｜?Ｖ；??卜：．ｒ、??＇?．＇?．’?＇、一???－??＾３２?２３????輸入層??：?１?輸出層??隱含層??突觸（權(quán)重）｜??....

圖２．４兩種瀲活函數(shù)的比較（左圖：Ｓｉｇｍｏｉｄ函數(shù)：打圖：ＲｃＬＵ函數(shù)）??２．１．２卷積神經(jīng)網(wǎng)絡(luò)??

？?博士學位論文??ｉＸ）ＣＴＵｋＡＩ．?ｌ）ｌＳＳｊ；Ｒｉ＇Ａ！?ＩＯＮ??Ｓｉｇｍｏｉｄ?ｆｕｎｃｔｉｏｎ?ＲｅＬＵ?ｆｕｎｃｔｉｏｎ??；）Ｉ?／??０２５?Ｘ??ｏ．ｏｏ?－??ｏ?ｃ???－０．２５－??－２?－??－０．５０－??－０．７５－?＿４?．???１?１??....

本文編號：3955913