基于连续型贝叶斯概率估计器预测原子核质量
近年来，机器学习方法被广泛应用于对原子核质量的预测中。基于连续型贝叶斯概率（Continuous Bayesian Probability，CBP）估计器，结合贝叶斯模型平均（Bayesian Model Averaging，BMA）改进了理论模型对核质量的描述。在CBP方法中，核质量理论值与实验值的差异被视为连续变量，通过核密度估计（Kernel Density Estimation，KDE）生成其先验和似然概率密度函数，并以贝叶斯定理确定后验概率密度函数。在全局优化和外推分析中，CBP方法显著提升了理论模型预测的精确度。此外，BMA方法基于各模型对基准核的预测表现为每个模型分配权重，平衡了...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Science Press
2025-05-01
|
| Series: | He jishu |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.250104 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850123092292009984 |
|---|---|
| author | 谭 凯中 高 琬晴 刘 健 |
| author_facet | 谭 凯中 高 琬晴 刘 健 |
| author_sort | 谭 凯中 |
| collection | DOAJ |
| description | 近年来，机器学习方法被广泛应用于对原子核质量的预测中。基于连续型贝叶斯概率（Continuous Bayesian Probability，CBP）估计器，结合贝叶斯模型平均（Bayesian Model Averaging，BMA）改进了理论模型对核质量的描述。在CBP方法中，核质量理论值与实验值的差异被视为连续变量，通过核密度估计（Kernel Density Estimation，KDE）生成其先验和似然概率密度函数，并以贝叶斯定理确定后验概率密度函数。在全局优化和外推分析中，CBP方法显著提升了理论模型预测的精确度。此外，BMA方法基于各模型对基准核的预测表现为每个模型分配权重，平衡了各模型在不同区域的优势。通过预测Ca同位素双中子滴线位置，评估了BMA方法修正结果的可靠性。CBP方法结合BMA方法为预测未知区域的核质量提供了一种有效途径，并可应用于对其他核性质的研究。 |
| format | Article |
| id | doaj-art-921d3e6c39074a23b2d0ad31d73884b9 |
| institution | OA Journals |
| issn | 0253-3219 |
| language | zho |
| publishDate | 2025-05-01 |
| publisher | Science Press |
| record_format | Article |
| series | He jishu |
| spelling | doaj-art-921d3e6c39074a23b2d0ad31d73884b92025-08-20T02:34:40ZzhoScience PressHe jishu0253-32192025-05-014810.11889/j.0253-3219.2025.hjs.48.2501040d899a51基于连续型贝叶斯概率估计器预测原子核质量谭 凯中0高 琬晴1刘 健2["中国石油大学（华东） 理学院 青岛 266580"]["中国石油大学（华东） 理学院 青岛 266580"]["中国石油大学（华东） 理学院 青岛 266580"]近年来，机器学习方法被广泛应用于对原子核质量的预测中。基于连续型贝叶斯概率（Continuous Bayesian Probability，CBP）估计器，结合贝叶斯模型平均（Bayesian Model Averaging，BMA）改进了理论模型对核质量的描述。在CBP方法中，核质量理论值与实验值的差异被视为连续变量，通过核密度估计（Kernel Density Estimation，KDE）生成其先验和似然概率密度函数，并以贝叶斯定理确定后验概率密度函数。在全局优化和外推分析中，CBP方法显著提升了理论模型预测的精确度。此外，BMA方法基于各模型对基准核的预测表现为每个模型分配权重，平衡了各模型在不同区域的优势。通过预测Ca同位素双中子滴线位置，评估了BMA方法修正结果的可靠性。CBP方法结合BMA方法为预测未知区域的核质量提供了一种有效途径，并可应用于对其他核性质的研究。https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.250104机器学习核质量连续型贝叶斯估计器贝叶斯模型平均 |
| spellingShingle | 谭 凯中 高 琬晴 刘 健 基于连续型贝叶斯概率估计器预测原子核质量 He jishu 机器学习 核质量 连续型贝叶斯估计器 贝叶斯模型平均 |
| title | 基于连续型贝叶斯概率估计器预测原子核质量 |
| title_full | 基于连续型贝叶斯概率估计器预测原子核质量 |
| title_fullStr | 基于连续型贝叶斯概率估计器预测原子核质量 |
| title_full_unstemmed | 基于连续型贝叶斯概率估计器预测原子核质量 |
| title_short | 基于连续型贝叶斯概率估计器预测原子核质量 |
| title_sort | 基于连续型贝叶斯概率估计器预测原子核质量 |
| topic | 机器学习 核质量 连续型贝叶斯估计器 贝叶斯模型平均 |
| url | https://www.sciengine.com/doi/10.11889/j.0253-3219.2025.hjs.48.250104 |
| work_keys_str_mv | AT tánkǎizhōng jīyúliánxùxíngbèiyèsīgàilǜgūjìqìyùcèyuánzihézhìliàng AT gāowǎnqíng jīyúliánxùxíngbèiyèsīgàilǜgūjìqìyùcèyuánzihézhìliàng AT liújiàn jīyúliánxùxíngbèiyèsīgàilǜgūjìqìyùcèyuánzihézhìliàng |