基于卷积神经网络的高能物理事例特征信息在线提取算法研究

发布时间：2024-04-15 20:27

　　以加速器等大型科学装置为代表的高能物理实验是当今物理学的一个重要研究课题,其涵盖了面向实验事实的理论研究,与面向工程实践的探测器和电子学研制等方面。目前,高能物理实验朝着“能量前沿”和“高精度前沿”的方向迅速发展,随着事件率的提高和每事件数据量的增加,研究者逐渐认识到,现有的基于传统统计手段的数据处理方法已难以满足探测器下一代升级的需求,尤其是在本底事件比例高、有效数据通量大和需要在线分析和触发的情况下。在这其中,数据高维度、多重性和高度结构化的特征是高能物理实验数据分析普遍面临的几个主要的挑战。进入二十一世纪的第二个十年,以“深度学习”为代表的人工智能技术正蓬勃发展,俨然成为一个独立的且具有丰富内涵的研究方向,并渗透到实验物理学等多个领域,是当今备受关注的前沿问题。为了应对数据高维度、多重性和高度结构化的特征,需要有新的数据分析手段来利用数据本身的特点,从而在降低算法时间复杂度的同时提高算法的精度。在深度学习最为成功的计算机视觉领域,新的网络架构层出不穷,而这些网络架构大多数基于“卷积神经网络”。与传统的前馈网络相比,卷积神经网络利用了参数共享和平移不变的前提假设,在控制网络参数数量...

【文章页数】：168 页

【学位级别】：博士

【部分图文】：

图２．１神经网络与深度学习与人工智能其它领域的关系??“人工智能”的概念由Ｊｏｈｎ?ＭｃＣａｒｔｈｙ于２０世纪５０年代首次提出，发展至今包含了丰富??

？博士学位论文??ＤＵＣ?ｉ?ＯＲＡＬ?ＤｉＳＳｉ．Ｋｉ＇Ａｉ?ＩＯＮ??第２章预备知识??２．１卷积神经网络理论和实践??２．１．１神经网络简介??＾一

图２．２人工神经网络中的神经元与生物神经元的比较（神经元（Ｎｅｕｒｏｎ），轴突（Ａｘｏｎ），树突（Ｄ＾ｉｄｒｉｔｅ））??人工神经Ｎ络中敁为祛础的结构单元是“祌经元”

？博士学位论文??ＩＸＫ?ｌＯＲＡｌ．ｍＳＳＩ．ＫＩＡＩＩＯＮ??薛所作的改进。??Ｄｅｎｄｒｉｔｅ?Ａｘｏｎ?ｔｅｒｍｉｎａｌ??ｆ、＇「丨?ｆ、Ａｘｏｎ?＇?＞?Ｓｃｈｗａｒｍ?ｃｅｌｌ?、??－?Ｄｅｎｄｒｉｔｅ?’?Ｎｅｕｒｏｎ??ｖｒ＇＇夂?？／??—＞?？＝吨￥叫?—....

图２．３?—个典型的含一个隐含层的神经网络??在神经网络的范畴内，以增加网络深度和优化网络结构为主要特点的“深度学习”技术在??近年来受到持续的关注

？博士学位论文??ＤＯＣ?ｉＯＲＡＬ?ＤｉＳＳｈＲｉＡｌ?ｌＯＮ??神经元??（激活函数）??第１?Ｍ?＾?２层??Ｗｊ２＾！??！＇■?■?：｜?Ｖ；??卜：．ｒ、??＇?．＇?．’?＇、一???－??＾３２?２３????输入层??：?１?输出层??隐含层??突触（权重）｜??....

图２．４两种瀲活函数的比较（左图：Ｓｉｇｍｏｉｄ函数：打图：ＲｃＬＵ函数）??２．１．２卷积神经网络??

？?博士学位论文??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??....

本文编号：3955913