ویژگی‌های پیشرفته یادگیری ماشین ساختارهای هزارتویی در فیلم‌های دوپه‌شده

نویسندگان:

(1) کوتارو شیمیزو، گروه فیزیک، دانشگاه ویرجینیا، شارلوتسویل، ویرجینیا 22904، ایالات متحده آمریکا و گروه فیزیک کاربردی، دانشگاه توکیو، توکیو 113-8656، ژاپن.

(2) Vinicius Yu Okubo، گروه مهندسی سیستم های الکترونیکی، دانشکده پلی تکنیک، دانشگاه سائوپائولو، برزیل؛

(3) رز نایت، گروه فیزیک، دانشگاه ویرجینیا، شارلوتسویل، ویرجینیا 22904، ایالات متحده آمریکا.

(4) Ziyuan Wang، گروه فیزیک، دانشگاه ویرجینیا، شارلوتزویل، ویرجینیا 22904، ایالات متحده آمریکا.

(5) جوزف برتون، گروه فیزیک، دانشگاه ویرجینیا، شارلوتسویل، ویرجینیا 22904، ایالات متحده آمریکا.

(6) Hae Yong Kim، گروه مهندسی سیستم های الکترونیکی، دانشکده پلی تکنیک، دانشگاه سائوپائولو، برزیل.

(7) Gia-Wei Chern، گروه فیزیک، دانشگاه ویرجینیا، شارلوتزویل، ویرجینیا 22904، ایالات متحده آمریکا.

(8) BS Shivaram، گروه فیزیک، دانشگاه ویرجینیا، شارلوتزویل، ویرجینیا 22904، ایالات متحده آمریکا.

ما یک رویکرد جامع برای توصیف ساختارهای هزارتویی ارائه می کنیم که اغلب به عنوان یک حالت پایدار نهایی در سیستم های شکل دهی الگو ظاهر می شوند. ما از تکنیک‌های تشخیص الگوی مبتنی بر یادگیری ماشین برای شناسایی انواع و مکان‌های عیوب توپولوژیکی ترتیب نوار محلی برای تقویت تحلیل فوریه معمولی استفاده می‌کنیم. یک جفت…

Source link