注冊(cè)帳號(hào)丨忘記密碼?
1.點(diǎn)擊網(wǎng)站首頁(yè)右上角的“充值”按鈕可以為您的帳號(hào)充值
2.可選擇不同檔位的充值金額,充值后按篇按本計(jì)費(fèi)
3.充值成功后即可購(gòu)買網(wǎng)站上的任意文章或雜志的電子版
4.購(gòu)買后文章、雜志可在個(gè)人中心的訂閱/零買找到
5.登陸后可閱讀免費(fèi)專區(qū)的精彩內(nèi)容
打開(kāi)文本圖片集
摘 要:針對(duì)目前大多數(shù)機(jī)器學(xué)習(xí)模型預(yù)測(cè)材料性質(zhì)時(shí)需要大量的先驗(yàn)知識(shí)以及特征向量篩選困難的問(wèn)題,基于電子軌道矩陣和元素周期表法兩種描述符,通過(guò)特征融合的方式,設(shè)計(jì)了一種卷積神經(jīng)網(wǎng)絡(luò)模型OPCNN(Orbital of electron and Periodic table CNN)。實(shí)驗(yàn)數(shù)據(jù)表明,OPCNN與其他預(yù)測(cè)模型相比,在帶隙、生成熱以及形成能數(shù)據(jù)集上都有著更好的性能,平均絕對(duì)誤差分別為0.26eV、0.037KJ/mol和0.073eV/atom,且R2都達(dá)到了91%以上。(剩余14217字)
登錄龍?jiān)雌诳W(wǎng)
購(gòu)買文章
特征融合的卷積神經(jīng)網(wǎng)絡(luò)材料性質(zhì)預(yù)測(cè)模型
文章價(jià)格:6.00元
當(dāng)前余額:100.00
閱讀
您目前是文章會(huì)員,閱讀數(shù)共:0篇
剩余閱讀數(shù):0篇
閱讀有效期:0001-1-1 0:00:00
違法和不良信息舉報(bào)電話:400-106-1235
舉報(bào)郵箱:[email protected]