科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于物理引导神经网络的光谱仪光谱重构方法,是将光谱仪测量模型融入到一个神经网络中,利用模型和神经网络的相互作用,随机初始化的网络参数的估计值可以由梯度下降法迭代获得,损失函数选择均方误差函数与全变分正则化项相结合,以实现对神经网络输出结果的约束；当迭代过程结束,神经网络的输出即为输入测量光谱对应的重构光谱。与传统的基于深度学习的光谱重构方法不同,本发明不需要数据集对网络进行训练,避免了数据采集所需的大量时间,且由于物理模型的引入,本发明还具有重构精度高、鲁棒性强等特点。
- 单位
