轻子混合角θ23的八分圆和CP相δCP是中微子振荡物理学中的两个主要未知数（除了中微子质量等级）。 众所周知，通过确定八分体-δCP的简并性，可以精确确定八分体和δCP。 在本文中，我们研究了DUNE实验的熟练程度，以确定这些参数进行仔细检查，尤其是抗中微子的作用，光束的宽带性质和物质效应。 众所周知，对于Pμe和Pμe，八角形δCP简并性发生在不同的δCP值，中微子和反中微子运行的组合有助于解决这一问题。 但是，在中微子不具有八进制简并性的地区，由于简并性和统计数据的减少，添加反中微子数据有望降低灵敏度。 但是，我们发现在DUNE基线的情况下，即使在参数空间中反中微子概率遭受简并性影响，反中微子运行也会有所帮助。 我们将详细探讨这一点，并指出发生这种情况是由于（i）光束的宽带特性，因此，即使特定能量仓处存在简并性，在整个频谱上也可能不存在简并性； （ii）由于基线相对较长而增加了物质效应，这在中微子和反中微子的概率之间产生了增加的张力，在组合运行的情况下，总体χ2升高。 由于在这种情况下抗中微子的概率比物质效应引起的中微子的概率要高得多，因此该特征对于IH更为突出。 抗中微子在增强

BP神经网络实现汽油辛烷值预测，《MATLAB源码+数据集》代码亲测可用，代码中一共提供了60个样本，其中50个样本作为训练，10个样本作为测试，代码都是经过调节的，可以更换自己想预测的相关数据，比如污水预测，车流量，预测未来成绩等等。

利用BP 神经网络来预测汽油中 辛烷值的成分，有详细的注释

辛烷值预测_BP神经网络_Excel数据

ELM极限学习实现汽油辛烷值预测（MATLAB源码+数据+预测结果），代码亲测可用，可根据论文要求更换数据集，本文一共提供60组数，50组作为训练，10组作为测试，测试结果非常不错，若果有条件可以引入相关优化算法提高预测精度。

基于神经网络的红外光谱的汽油辛烷值预测系统matlab实现，内包含数据集以及算法源码

人工智能-机器学习-采用并行计算和简化机理的高辛烷值燃料HCCI燃烧过程的数.pdf

BP神经网络创建和RBF神经网络基于近红外光谱的汽油辛烷值预测，matlab2021a测试

本代码主要利用MATLAB工具进行MATLAB——基于导师学习神经网路的回归拟合的仿真，实现基于近红外光谱的汽油辛烷值预测的模拟

自己写的代码实现研赛华为杯建模竞赛题，附带解题思路，Python代码 有运行结果 原创