[发明专利]物质识别网络模型训练方法及太赫兹光谱物质识别方法有效
| 申请号： | 201910380222.3 | 申请日： | 2019-05-08 |
| 公开（公告）号： | CN110068544B | 公开（公告）日： | 2021-09-17 |
| 发明（设计）人： | 程良伦;何伟健 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G01N21/3586 | 分类号： | G01N21/3586;G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种物质识别网络模型训练方法、装置及太赫兹光谱物质识别方法、装置。其中，将训练样本输入物质识别网络框架结构进行模型训练直至其对验证样本的预测概率超过阈值，则结束训练。物质识别网络模型包括特征提取模块和特征分类模块，光谱特征提取网络包括光谱特征提取模块和数据重构模块；特征提取模块和光谱特征提取模块的结构相同。特征分类模块将特征提取模块输出的多通道光谱特征压缩至单通道，并利用softmax回归得到隶属各类物质的概率；光谱特征提取网络训练结束条件为输入至其光谱特征提取模块的原始光谱数据和其数据重构模块输出的重建光谱数据的误差小于预设阈值。实现了利用少量样本数据训练得到性能好的物质识别网络模型。 | ||
| 搜索关键词： | 物质 识别 网络 模型 训练 方法 赫兹 光谱 | ||
【主权项】：
1.一种物质识别网络模型训练方法，其特征在于，包括：将训练样本集数据输入至预先构建的物质识别网络模型的框架结构中进行模型训练；当所述物质识别网络模型对验证样本集的预测概率超过预设阈值，则结束所述物质识别网络模型的训练，以用于对太赫兹光谱物质种类的识别；其中，所述物质识别网络模型包括特征提取模块和特征分类模块；所述特征提取模块与预先构建的光谱特征提取网络的光谱特征提取模块结构相同；所述特征分类模块用于将所述特征提取模块输出的多通道光谱特征压缩至单通道光谱特征，并利用softmax回归得到所述单通道光谱特征隶属每一类物质的概率；所述光谱特征提取网络包括光谱特征提取模块和数据重构模块，当输入至所述光谱特征提取模块的原始光谱数据和所述数据重构模块输出的重建光谱数据的误差小于预设误差阈值时结束所述光谱特征提取网络的训练。
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广东工业大学，未经广东工业大学许可，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/patent/201910380222.3/，转载请声明来源钻瓜专利网。
