RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Компьютерные исследования и моделирование:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Компьютерные исследования и моделирование, 2019, том 11, выпуск 2, страницы 265–273 (Mi crm710)  

МОДЕЛИ В ФИЗИКЕ И ТЕХНОЛОГИИ

Многослойная нейронная сеть для определения размеров наночастиц в задаче лазерной спектрометрии

А. Э. Шабанов, М. Н. Петров, А. В. Чикиткин

Московский физико-технический институт (государственный университет), Россия, 141701, Московская облаcть, г. Долгопрудный, Институтский пер., д. 9

Аннотация: Решение задачи лазерной спектрометрии позволяет определять размеры частиц в растворе по спектру интенсивности рассеянного света. В результате эксперимента методом динамического рассеяния света получается кривая интенсивности рассеяния, по которой необходимо определить, частицы каких размеров представлены в растворе. Экспериментально полученный спектр интенсивности сравнивается с теоретически ожидаемым спектром, который является кривой Лоренца. Основная задача сводится к тому, чтобы на основании этих данных найти относительные концентрации частиц каждого сорта, представленных в растворе. В статье представлен способ построения и использования нейронной сети, обученной на синтетических данных, для определения размера частиц в растворе в диапазоне 1–500 нм. Нейронная сеть имеет полносвязный слой из 60 нейронов с функцией активации RELU на выходе, слой из 45 нейронов и с аналогичной функцией активации, слой dropout и 2 слоя с количеством нейронов 15 и 1 (выход сети). В статье описано, как сеть обучалась и тестировалась на синтетических и экспериментальных данных. На синтетических данных метрика «среднеквадратичное отклонение» (rmse) дала значение 1.3157 нм. Экспериментальные данные были получены для размеров частиц 200 нм, 400 нм и раствора с представителями обоих размеров. Сравниваются результаты работы нейронной сети и классических линейных методов, основанных на применении различных регуляризаций за счет введения дополнительных параметров и применяемых для определения размера частиц. К недостаткам классических методов можно отнести трудность автоматического определения степени регуляризации: слишком сильная регуляризация приводит к тому, что кривые распределения частиц по размерам сильно сглаживаются, а слабая регуляризация дает осциллирующие кривые и низкую надежность результатов. В работе показано, что нейронная сеть дает хорошее предсказание для частиц с большим размером. Для малых размеров предсказание хуже, но ошибка быстро уменьшается с увеличением размера.

Ключевые слова: ДРС, лазерная спектрометрия, кривая Лоренца, нейронные сети.

DOI: https://doi.org/10.20537/2076-7633-2019-11-2-265-273

Полный текст: PDF файл (9887 kB)
Полный текст: http://crm.ics.org.ru/.../2779
Список литературы: PDF файл   HTML файл

Тип публикации: Статья
УДК: 51-7
Поступила в редакцию: 02.11.2018
Исправленный вариант: 18.02.2019
Принята в печать:18.02.2019

Образец цитирования: А. Э. Шабанов, М. Н. Петров, А. В. Чикиткин, “Многослойная нейронная сеть для определения размеров наночастиц в задаче лазерной спектрометрии”, Компьютерные исследования и моделирование, 11:2 (2019), 265–273

Цитирование в формате AMSBIB
\RBibitem{ShaPetChi19}
\by А.~Э.~Шабанов, М.~Н.~Петров, А.~В.~Чикиткин
\paper Многослойная нейронная сеть для определения размеров наночастиц в задаче лазерной спектрометрии
\jour Компьютерные исследования и моделирование
\yr 2019
\vol 11
\issue 2
\pages 265--273
\mathnet{http://mi.mathnet.ru/crm710}
\crossref{https://doi.org/10.20537/2076-7633-2019-11-2-265-273}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/crm710
  • http://mi.mathnet.ru/rus/crm/v11/i2/p265

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Компьютерные исследования и моделирование
    Просмотров:
    Эта страница:13
    Полный текст:5
    Литература:3
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2019