特征融合的卷積神經(jīng)網(wǎng)絡(luò)材料性質(zhì)預(yù)測(cè)模型
哈爾濱理工大學(xué)學(xué)報(bào)
頁(yè)數(shù): 9 2023-11-10
摘要: 針對(duì)目前大多數(shù)機(jī)器學(xué)習(xí)模型預(yù)測(cè)材料性質(zhì)時(shí)需要大量的先驗(yàn)知識(shí)以及特征向量篩選困難的問(wèn)題,基于電子軌道矩陣和元素周期表法兩種描述符,通過(guò)特征融合的方式,設(shè)計(jì)了一種卷積神經(jīng)網(wǎng)絡(luò)模型OPCNN(Orbital of electron and Periodic table CNN)。實(shí)驗(yàn)數(shù)據(jù)表明,OPCNN與其他預(yù)測(cè)模型相比,在帶隙、生成熱以及形成能數(shù)據(jù)集上都有著更好的性能,平均絕對(duì)誤差... (共9頁(yè))