高能物理模式识别与人工神经网络_JETNET_2_0

数据集概述

本数据集包含JETNET 2.0程序包，这是一个基于F77语言的自适应人工神经网络算法工具，主要面向高能物理领域，用于解决光子与轻子分离、夸克识别等模式识别问题，也可扩展至其他领域应用。

文件详解

• 文件名称: acgv_v1_0.gz
• 文件格式: .gz（压缩文件）
• 内容说明: 压缩包内包含JETNET 2.0程序包的核心文件，基于F77语言编写，主要包含多层感知机反向传播算法、拓扑自组织映射等人工神经网络算法子程序，支持标准调用或架构修改。

数据来源

CPC Program Library（Queen's University Belfast，1969-2019）；Mendeley Data

适用场景

• 高能物理数据分析: 用于粒子物理实验中光子、轻子、夸克等粒子的模式识别与分类
• 机器学习算法应用: 研究人工神经网络在高能物理领域的算法适配与优化
• 跨领域模式识别: 扩展至其他需要模式识别的应用场景（如图像识别、信号处理等）
• 计算物理工具开发: 作为基础算法包，支持高能物理相关计算程序的二次开发