[发明专利]一种LED结构性能的预测方法在审

专利信息
申请号: 202111203505.4 申请日: 2021-10-15
公开(公告)号: CN113988389A 公开(公告)日: 2022-01-28
发明(设计)人: 黄凯;江莹;姜卓颖;李琳;李澄;李金钗;张荣;康俊勇 申请(专利权)人: 厦门大学;嘉庚创新实验室
主分类号: G06Q10/04 分类号: G06Q10/04;G06N20/00;G06N3/04;G06K9/62;G06F30/27
代理公司: 厦门加减专利代理事务所(普通合伙) 35234 代理人: 李强;杨泽奇
地址: 361005 福建*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 led 结构 性能 预测 方法
【权利要求书】:

1.一种LED结构性能的预测方法,其特征在于包括下列步骤:

收集、提取LED结构的输入特征参数及对应的输出特征参数的数据,将所述数据分为原始数据集和预测数据集;

对所述原始数据集和所述预测数据集进行预处理,获得预处理的原始数据集和预处理的预测数据集;

运用机器学习算法构建初始模型;

对所述初始模型进行结构参数设定,并对所述结构参数进行初始化训练,获得初始化的模型;

优化所述初始化的模型,运用所述预处理的原始数据集对所述初始化的模型进行训练,以获得相应的网络权重和偏置,进而得到预测模型;

预测,将待预测的LED结构的输入特征参数中的所述预处理的测试数据集输入所述预测模型,进而获得所述待预测的LED结构的输出特征参数的预测值。

2.根据权利要求1所述的LED结构性能的预测方法,其特征在于:所述LED结构的输入特征参数包括所述LED结构中量子阱区的势垒层和势阱层的结构、成分、含量,以及电子阻挡层的结构、成分、含量;所述对应的输出特征参数包括所述LED结构的内量子效率、光输出功率及其所对应的电流密度。

3.根据权利要求1所述的LED结构性能的预测方法,其特征在于:所述机器学习算法至少为深度学习算法、多层感知器、决策树、线性回归、梯度提升回归中的一种。

4.根据权利要求3所述的LED结构性能的预测方法,其特征在于:所述深度学习算法至少为卷积神经网络、循环神经网络、自编码、深度置信网络中的一种。

5.根据权利要求1所述的LED结构性能的预测方法,其特征在于:所述LED结构包括InGaN基可见光LED、AlGaN基深紫外LED、GaAs基LED、GaAlAs基LED、GaP基LED。

6.根据权利要求1所述的LED结构性能的预测方法,其特征在于:所述LED结构的输入特征参数及对应的输出特征参数的数据可根据所述LED结构的类型进行筛选、调整。

7.根据权利要求1所述的LED结构性能的预测方法,其特征在于:对所述原始数据集和所述预测数据集进行预处理的方法包括以下步骤:

挑选特征,依据已知的物理知识及数据之间的关系对所述LED结构的输入特征参数进行挑选;

数据处理,对挑选出的所述特征数据进行归一化处理;

数据重组,对处理后的所述特征数据的大小进行重组。

8.根据权利要求7所述的LED结构性能的预测方法,其特征在于:在对挑选出的所述特征数据进行归一化处理后,所述特征参数的数据均值为0、标准差为1。

9.根据权利要求1所述的LED结构性能的预测方法,其特征在于:在优化所述初始化的模型的步骤中,采用均方误差判定所述初始化的模型的训练结果,所述均方误差公式为:其中,Predicti、Actuali分别为第i个样本的预测值、真实值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门大学;嘉庚创新实验室,未经厦门大学;嘉庚创新实验室许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111203505.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top