Uniformingthe dimensionality of data with neural networks for material informatics
Hiroshi Ohno
Applied SoftComputing
摘要
材料信息學是材料科學中的一個正在發展的領域。材料科學家開始采用軟計算技術發現新材料。為了應用這些技術，必須選擇決定材料性能的描述符（在計算機科學中被稱之為特征）。作為一個描述材料的方法，材料中每個元素的性質將直接用作輸入變量的特征。根據材料中元素的數量，輸入的維數可能不同。因此，在具有不同元素數量的材料中應用同樣的諸如回歸或區分模型是不可能的。在本文中，我們提出了一種新的允許回歸或區分任務實施軟計算技術的統一輸入維度方法。所提出的方法的主要貢獻是為不同尺寸的輸入向量提供了統一的維數解決方案。該方法采用的去噪編碼是Vincent等人在2008年采用神經網絡給出的一個統一輸入維度的潛在表示的變體。在本研究的實驗中，我們考慮了離子電導率和儲氫材料的化合物。實驗的結果表明，利用該方法獲得的統一潛在數據可以完成回歸任務，另外，在潛在數據的聚類任務中，我們觀察到的數據空間中的距離保護，也是去噪自編碼中存在的情況。這一結果可能支持在廣泛的應用領域中采用本文提出的研究方法。
文章部分附圖
圖1：線性回歸任務的結果：（a）本文提出的方法；（b）多層自編碼；（c）降噪自編碼；（d）核心PCA。X軸表示實際輸出，y軸表示線性模型的估計輸出。
圖2：使用統一數據作為輸入的離子電導率進行回歸任務的結果。X軸表示的實際輸出，Y軸表示估計線性模型的輸出。
圖3：對距離保護的評價結果：本文提出的方法（固體）和去噪自編碼（虛線）。匹配率E表示原始數據集與潛在數據集之間的類分配率。X軸表示類的個數。誤差欄顯示標準偏差。
原文鏈接：
//news.matlink.com.cn/pdf/uniforming_the_dimensionality_of_data.pdf
隱石檢測擁有一批在業內取得顯著成就的專業技術人員，在行業內有著豐富的檢測經驗。秉承著專注、專業、高效、想客戶所想的理念，公司積極增加項目和完善更先進的測試儀器設備，保障每一個檢測，分析，研發任務優質高效的完成。同時通過專業所長,為全球數萬家優質客戶提供最及時的行業技術標準信息，和更高精尖的分析檢測解決方案。
隱石檢測分別成立了閥門實驗室，腐蝕實驗室，金相實驗室，力學實驗室，無損實驗室，耐候老化實驗室。從事常壓儲罐檢測，鍋爐能效檢測，金屬腐蝕檢測，應力應變檢測，無損探傷檢測，機械設備檢測，金相分析，石墨烯納米材料檢測，水質檢測，油品檢測涉及的服務范圍已廣泛覆蓋到鋼鐵材料，有色金屬材料，石油化工設備，通用機械設備，冶金礦石，建筑工程材料、航空航天材料，高鐵船舶材料，汽車用零部件、非金屬材料，電子電工產品等各個領域，并獲得了CMA和CNAS;雙重認可。
官網微信
