核散裂和弹核碎裂反应中余核产生的贝叶斯神经网络预测模型

O571.42; 核散裂反应和炮弹碎裂反应中的余核产生截面是核反应理论和实验中的重要问题.为了提高核散裂和弹核碎裂反应中余核(尤其是靠近滴线的稀有同位素)产生截面的预测,本文介绍了基于贝叶斯神经网络方法的两类预测模型.一类是无物理模型引导的BNN模型,另一类是有物理模型引导的BNN+模型.结果发现BNN模型需要学习充足的信息量,才能拥有较好的预测能力.而BNN+模型既能继承物理模型的优点,又能弥补该模型的缺陷.在同样少的样本数据下,BNN+模型仍具有很好的预测能力....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	原子能科学技术 2023-04, Vol.57 (4), p.791-797
Hauptverfasser:	魏慧玲, 彭丹, 魏啸宝, 马春旺
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	O571.42; 核散裂反应和炮弹碎裂反应中的余核产生截面是核反应理论和实验中的重要问题.为了提高核散裂和弹核碎裂反应中余核(尤其是靠近滴线的稀有同位素)产生截面的预测,本文介绍了基于贝叶斯神经网络方法的两类预测模型.一类是无物理模型引导的BNN模型,另一类是有物理模型引导的BNN+模型.结果发现BNN模型需要学习充足的信息量,才能拥有较好的预测能力.而BNN+模型既能继承物理模型的优点,又能弥补该模型的缺陷.在同样少的样本数据下,BNN+模型仍具有很好的预测能力.
ISSN:	1000-6931
DOI:	10.7538/yzk.2022.youxian.0812