Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Measurement of anomalous … - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Measurement of anomalous diffusion using recurrent neural networks

Artikel i vetenskaplig tidskrift
Författare S. Bo
Falko Schmidt
R. Eichhorn
Giovanni Volpe
Publicerad i Physical Review E
Volym 100
Nummer/häfte 1
ISSN 2470-0045
Publiceringsår 2019
Publicerad vid Institutionen för fysik (GU)
Språk en
Länkar dx.doi.org/10.1103/PhysRevE.100.010...
Ämnesord Physics
Ämneskategorier Fysik

Sammanfattning

Anomalous diffusion occurs in many physical and biological phenomena, when the growth of the mean squared displacement (MSD) with time has an exponent different from one. We show that recurrent neural networks (RNNs) can efficiently characterize anomalous diffusion by determining the exponent from a single short trajectory, outperforming the standard estimation based on the MSD when the available data points are limited, as is often the case in experiments. Furthermore, the RNNs can handle more complex tasks where there are no standard approaches, such as determining the anomalous diffusion exponent from a trajectory sampled at irregular times, and estimating the switching time and anomalous diffusion exponents of an intermittent system that switches between different kinds of anomalous diffusion. We validate our method on experimental data obtained from subdiffusive colloids trapped in speckle light fields and superdiffusive microswimmers.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?