典型文献
基于机器学习的二次电子发射唯象模型
文献摘要：
基于机器学习和深度人工神经网络(artificial neural network,ANN)提出一种二次电子发射唯象模型.利用Vaughan模型生成先验数据集,用于训练生成描述二次电子发射一般规律的先验知识ANN模型,并在不同参数条件下验证了先验知识ANN模型的正确性.然后,分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型,分别得到了描述两种材料的特异ANN模型.测试结果表明,特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30％以上,与复合唯象模型精度相当或更高.在小样本条件下测试了二次电子发射ANN模型的正确性,验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性.提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程,能够基于先验知识提升模型对于小样本的适应性,能够实现二次电子发射系数的连续插值,适于在数值模拟软件中使用.
文献关键词：
二次电子发射;机器学习;唯象模型
中图分类号：
作者姓名：
杨文晋;李永东;曹猛;王洪广;刘纯亮
作者机构：
西安交通大学 电子物理与器件教育部重点实验室 电子与信息学部电子科学与工程学院,西安710049
文献出处：
引用格式：
[1]杨文晋;李永东;曹猛;王洪广;刘纯亮-.基于机器学习的二次电子发射唯象模型)[J].空间电子技术,2022(04):50-57
A类：
Vaughan,Furman
B类：
基于机器学习,唯象模型,人工神经网络,artificial,neural,network,ANN,模型生成,一般规律,先验知识,同参数,数条,铝合金材料,二次电子发射系数,数据修正,平均绝对误差,模型精度,小样本,样本条件,分步,训练方式,样本集,免复,参数修正,适于,数值模拟软件
AB值：
0.203947
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。
