- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘 要
随着大数据时代的到来,对数据的转换,数据的处理数据的存储等带来了更好的技术支持,利用机器学习作为对数据进行处理可以很大程度上解决一些问题。本文利用python中的机器学习,针对高分辨电子显微学的原子强度、原子高度、原子坐标等信息,使用机器学习拟合最佳参数使误差函数最小是本研究的最主要目的。使用深度学习训练,根据岭回归和梯度下降法训练出不同模型得到较优模型,利用模型所得预测值再次进行线性拟合,通过把每个原子的强度与临近强度做关系优化,提高线性度。目的在于获得更准确原子高度预测值。本研究有助于对解决原子强度与高度之间的关系,对使换算后的原子强度与高度的线性化关系变好具有一定意义。
关
文档评论(0)