典型文献
用于预测带电粒子非线性行为的新型神经网络层
文献摘要：
基于加速器高阶传输映射的非线性效应解析分析,具有物理图像清晰、守辛、准确的优点,但其缺点是适用范围较窄.为了扩展非线性效应解析分析的适用范围,提出一种模拟李指数运算过程的神经网络层并构建了用于预测带电粒子非线性行为的新型神经网络.经过大量粒子跟踪数据的学习,可用于预测带电粒子复杂的非线性运动行为,并从中提取线性传输矩阵与表征非线性运动的指数因子.为了验证该新型神经网络的有效性,跟踪一段由薄透镜磁铁组成的磁聚焦结构得到大量的训练数据,并对所提出的神经网络进行训练.训练后的神经网络在测试数据集上表现良好,测试数据的损失函数方均根小于8×10-4,达到了预测带电粒子非线性行为的目的.
文献关键词：
加速器非线性效应;误差反向传播神经网络;Deprit分解
中图分类号：
作者姓名：
边天剑;张天爵;安世忠;关镭镭;黄鹏;王哲;冀鲁豫;付伟;周洪吉
作者机构：
中国原子能科学研究院 回旋加速器研究设计中心,北京 102413
文献出处：
引用格式：
[1]边天剑;张天爵;安世忠;关镭镭;黄鹏;王哲;冀鲁豫;付伟;周洪吉-.用于预测带电粒子非线性行为的新型神经网络层)[J].原子能科学技术,2022(03):554-561
A类：
加速器非线性效应,Deprit
B类：
带电粒子,非线性行为,网络层,解析分析,物理图像,较窄,指数运算,运算过程,非线性运动,运动行为,传输矩阵,透镜,磁铁,磁聚焦结构,训练数据,测试数据,损失函数,方均根,误差反向传播神经网络
AB值：
0.270234
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
