Neural networks for impact parameter determination

Neural networks for impact parameter determination.

An accurate impact parameter determination in a heavy ion collision is crucial for almost all further analysis. The capabilities of an artificial neural network are investigated to that respect. A novel input generation for the network is proposed, namely the transverse and longitudinal momentum distribution of all outgoing (or actually detectable) particles. The neural network approach yields ...

Parameter Determination of ONN (Ordered Neural Networks)

Regularization Parameter Selection for Faulty Neural Networks

Regularization techniques have attracted many researches in the past decades. Most focus on designing the regularization term, and few on the optimal regularization parameter selection, especially for faulty neural networks. As is known that in the real world, the node faults often inevitably take place, which would lead to many faulty network patterns. If employing the conventional method, i.e...

Regularization parameter estimation for feedforward neural networks

Under the framework of the Kullback-Leibler (KL) distance, we show that a particular case of Gaussian probability function for feedforward neural networks (NNs) reduces into the first-order Tikhonov regularizer. The smooth parameter in kernel density estimation plays the role of regularization parameter. Under some approximations, an estimation formula is derived for estimating regularization p...

تععین پارامتر های ترانسفورماتور به منظور تشخیص خطا transformer parameter determination for the purpose of failure diagnosis

چکیده ترانسفورماتورهای قدرت ادوات گران قیمتی هستنند که نقش بسیار مهمی را در سیستم های قدرت ایفا می کنند. در سالهای اخیر روشهای مختلفی جهت تشخیص خطا و مونیتورینگ ترانسفورماتورها ارائه شده است. در این پایان نامه برخی از این روشها جهت تعیین پارامتر های ترانسفورماتور در شرایط سالم و خطاهای مختلف در محدوده ی وسیعی از فرکانس بررسی شده است. همچنین با استفاده از روش اجزای محدود و محاسبات بر پایه فرمو...