用人工神经网络进行多参量模式识别的可行性研究

为了解决Ξ-、Ω等多奇异数重子鉴别效率低的问题,拟用人工神经网络来进行鉴别.这类多奇异数重子的特点是,判定它们所需参量数目很大(>10).用一个简单的蒙特卡洛模型研究了应用神经网络来识别多参量模式时需要解决的几个问题,所得到的结果支持用人工神经网络鉴别多参量模式的可行性.在此基础上,提出了一种混合运用拓扑重构和人工神经网络的混杂(hybrid)方法,作为提高多奇异数重子鉴别效率的一种可能的方法.