相关实验视频
Updated: Sep 15, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.4K
在简单的1D模型上测试基于人工神经网络的糖尿病化方法
Martina Ćosićová1,2, Thierry Leininger2, René Kalus1
1Department of Applied Mathematics, Faculty of Electrical Engineering and Computer Science, VŠB─Technical University of Ostrava, 17. listopadu 2172/15, 708 00 Ostrava-Poruba, Czech Republic.
Journal of chemical theory and computation
|July 15, 2025
概括
一种新的人工神经网络 (ANN) 方法用于糖尿病化,只需要附加性能量,显示性能有所改善. 研究人员优化了ANN激活功能和训练集,以获得更好的量子化学计算结果.
科学领域:
- 量子化学 是一个量子化学.
- 计算化学计算化学
- 理论化学 理论化学
背景情况:
- 最近引入了一种使用人工神经网络 (ANN) 的新型糖尿病化方案.
- 这种方法主要依赖于从ab initio计算中获得的增电能.
- 关于该方法的性能和优化存在未解答的问题.
研究的目的:
- 调查和改进基于ANN的新型糖尿病化方案的性能.
- 为了解决有关该方法有效性的未解答问题.
- 通过使用ANN,探索用于Diabatization过程的优化.
主要方法:
- 测试各种激活功能,包括非线性输出层功能.
- 分析正规化项在损失函数中的影响.
- 为扩展培训数据集提出具有成本效益的方法.
主要成果:
- 在最初的糖尿病化方法的性能方面取得了显著的改进.
- 该研究确定了有效的激活功能和规范化策略.
- 计算上便宜的训练集扩展被发现是有益的.
结论:
- 基于ANN的优化糖尿病化方案显示了性能提升.
- 这些发现为应用和改进基于ANN的糖尿病化提供了实际指导.
- 进一步的研究可以在这些优化基础上构建量子化学中更广泛的应用.
