典型文献
应用于引力波探测的深度学习网络结构复杂度研究
文献摘要：
深度学习用于引力波探测是近几年的研究热点.匹配滤波法可以看作模板存储于卷积核参数中的单卷积层的神经网络,通过加深模型的深度可以在参数大大减少的同时得到相似的探测效果.对不同的卷积核大小、卷积核的数量(模型的宽度)、卷积层的数量(模型的深度)的深度学习引力波探测模型进行了讨论.另外,对全连接层前采用批量归一优化(batch normalization,BN)模型的探测效果进行了研究,发现单卷积层的模型在加入BN后的探测精度由50％左右提高到了 90％以上.研究结果为匹配滤波模板数量的压缩提供了潜在的新方法,匹配滤波后通过BN层和全连接层也许能够大大减少匹配模板数量.
文献关键词：
双黑洞并合;引力波探测;深度学习
中图分类号：
作者姓名：
马存良;詹超;嘉明珍;贺观圣;李伟军;易见兵
作者机构：
江西理工大学,赣州341000;南华大学,衡阳421200
文献出处：
引用格式：
[1]马存良;詹超;嘉明珍;贺观圣;李伟军;易见兵-.应用于引力波探测的深度学习网络结构复杂度研究)[J].天文学进展,2022(02):259-270
A类：
双黑洞并合
B类：
引力波探测,深度学习网络,结构复杂度,习用,匹配滤波,卷积核,核参数,卷积层,大大减少,探测效果,全连接层,batch,normalization,BN,探测精度,波模,也许,配模
AB值：
0.278074
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。
