Uniformingthe dimensionality of data with neural networks for material informatics

Hiroshi Ohno

Applied SoftComputing

材料信息学是材料科学中的一个正在发展的领域。材料科学家开始采用软计算技术发现新材料。为了应用这些技术，必须选择决定材料性能的描述符（在计算机科学中被称之为特征）。作为一个描述材料的方法，材料中每个元素的性质将直接用作输入变量的特征。根据材料中元素的数量，输入的维数可能不同。因此，在具有不同元素数量的材料中应用同样的诸如回归或区分模型是不可能的。在本文中，我们提出了一种新的允许回归或区分任务实施软计算技术的统一输入维度方法。所提出的方法的主要贡献是为不同尺寸的输入向量提供了统一的维数解决方案。该方法采用的去噪编码是Vincent等人在2008年采用神经网络给出的一个统一输入维度的潜在表示的变体。在本研究的实验中，我们考虑了离子电导率和储氢材料的化合物。实验的结果表明，利用该方法获得的统一潜在数据可以完成回归任务，另外，在潜在数据的聚类任务中，我们观察到的数据空间中的距离保护，也是去噪自编码中存在的情况。这一结果可能支持在广泛的应用领域中采用本文提出的研究方法。

图1：线性回归任务的结果：（a）本文提出的方法；（b）多层自编码；（c）降噪自编码；（d）核心PCA。X轴表示实际输出，y轴表示线性模型的估计输出。

图2：使用统一数据作为输入的离子电导率进行回归任务的结果。X轴表示的实际输出，Y轴表示估计线性模型的输出。

图3：对距离保护的评价结果：本文提出的方法（固体）和去噪自编码（虚线）。匹配率E表示原始数据集与潜在数据集之间的类分配率。X轴表示类的个数。误差栏显示标准偏差。

原文链接：

http://news.matlink.com.cn/pdf/uniforming_the_dimensionality_of_data.pdf

   隐石检测拥有一批在业内取得显著成就的专业技术人员，在行业内有着丰富的检测经验。秉承着专注、专业、高效、想客户所想的理念，公司积极增加项目和完善更先进的测试仪器设备，保障每一个检测，分析，研发任务优质高效的完成。同时通过专业所长,为全球数万家优质客户提供最及时的行业技术标准信息，和更高精尖的分析检测解决方案。

　　隐石检测分别成立了阀门实验室，腐蚀实验室，金相实验室，力学实验室，无损实验室，耐候老化实验室。从事常压储罐检测，锅炉能效检测，金属腐蚀检测，应力应变检测，无损探伤检测，机械设备检测，金相分析，石墨烯纳米材料检测，水质检测，油品检测涉及的服务范围已广泛覆盖到钢铁材料，有色金属材料，石油化工设备，通用机械设备，冶金矿石，建筑工程材料、航空航天材料，高铁船舶材料，汽车用零部件、非金属材料，电子电工产品等各个领域，并获得了CMA和CNAS;双重认可。