پیش بینی پارامترهای اتمهای فراسرد در یک شبکه مغناطیسی دایمی با استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق

در این مقاله، یک شبکه مغناطیسی دایمی دو بعدی برای بررسی پیشبینی پارامترهای کمینه مرکزی میدان مغناطیسی و مختصات آن با استفاده از مولفه های میدان مغناطیسی خارجی در نظر گرفته می شود. پس از معرفی شبکه ی مغناطیسی و مولفه های میدان مغناطیسی ایجاد شده در آن، با استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق و با در نظر گرفتن مولفه های میدان مغناطیسی خارجی به عنوان داده های ورودی، مقادیر عددی پیشبینی شده این پارامترها با الگوریتم های یادگیری ماشین مدل افزایشی تعمیم یافته GAM، ترکیب رگرسیون خطی Ridge و Lasso و الگوریتم جدید یادگیری عمیق XBNet با یکدیگر مقایسه می شوند.

کلیدواژه ها:

اتمهای فراسرد ، شبکه های مغناطیسی ، یادگیری ماشین ، یادگیری عمیق