公开(公告)号：CN113298232B

公开(公告)日：2022-08-16

申请号：CN202110548772.9

申请日：2021-05-20

Applicant: 南京邮电大学

Inventor： 鞠婷 ,  朱虎 ,  邓丽珍 ,  程维文

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习神经网络的红外光谱盲自去卷积方法，包括：将退化的红外光谱输入构建的生成网络模型中，恢复潜在的干净红外光谱。构建生成网络模型，包括：建立生成网络模型；确立红外光谱退化公式，加入全变分正则化函数对生成网络模型进行优化；使用联合优化算法对包括原始红外光谱x和模糊核k的参数进行更新；将退化的红外光谱输入生成网络模型中进行迭代训练；迭代训练直到满足条件才能停止，获得潜在的干净红外光谱，以及潜在的干净红外光谱与原始红外光谱的误差率均方根误差RMSE、相关系数CC和自加权相关系数WCC。

公开(公告)号：CN113298232A

公开(公告)日：2021-08-24

申请号：CN202110548772.9

申请日：2021-05-20

Applicant: 南京邮电大学

Inventor： 鞠婷 ,  朱虎 ,  邓丽珍 ,  程维文

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习神经网络的红外光谱盲自去卷积方法，包括：将退化的红外光谱输入构建的生成网络模型中，恢复潜在的干净红外光谱。构建生成网络模型，包括：建立生成网络模型；确立红外光谱退化公式，加入全变分正则化函数对生成网络模型进行优化；使用联合优化算法对包括原始红外光谱x和模糊核k的参数进行更新；将退化的红外光谱输入生成网络模型中进行迭代训练；迭代训练直到满足条件才能停止，获得潜在的干净红外光谱，以及潜在的干净红外光谱与原始红外光谱的误差率均方根误差RMSE、相关系数CC和自加权相关系数WCC。