数据集概述
本数据集为训练人工神经网络（ANN）以寻找不同密度泛函理论（DFT）幅度校正项而设计。数据集包含可直接用于训练的输入-目标数据对，并附带数据生成工具。用户可通过生成器创建更多训练或测试数据，首先生成具有不同参数（样本数、采样频率、幅度、相位、频率等）的信号，再使用配套工具计算DFT幅度及校正项。数据集共包含两个文件。
文件详解
- Input-Target.xlsx
- 文件格式： XLSX
- 字段映射介绍： 包含用于训练人工神经网络的输入数据和对应的目标校正项数据。
- Data generator.rar
- 文件格式： RAR
- 字段映射介绍： 压缩文件包，内含用于生成更多训练或测试数据的数据生成工具及相关脚本（如"Python_DFT - SINC OK"工具）。
适用场景
- 人工神经网络训练: 用于训练ANN模型，学习并预测密度泛函理论计算中的幅度校正项。
- 计算化学方法开发: 支持开发更精确的DFT计算方法，通过机器学习手段优化计算参数。
- 信号处理算法验证: 生成的信号数据可用于测试和验证不同的DFT幅度计算及校正算法。
- 教育演示与实验: 为计算化学、机器学习等相关课程提供实践教学案例和数据基础。
