[发明专利]一种基于深度学习的LED荧光粉胶涂覆厚度的预测方法在审
| 申请号： | 201910627994.2 | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110543656A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 胡跃明;王欢 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08;G06N3/04 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 王东东<国际申请>=<国际公布>=<进入 |
| 地址： | 511458 广东省广州市*** | 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： | 本发明公开了一种基于深度学习的LED荧光粉胶涂覆厚度的预测方法，包括，S1采集原始数据集，并划分为训练数据和测试数据，并进行预处理；S2确定多个LED荧光粉胶涂覆厚度DBN模型的最优网络结构；S3确定多个最优网络结构的LED荧光粉涂覆厚度预测模型；S4将测试数据输入到多个荧光粉涂覆厚度预测模型，计算得到相应LED荧光粉胶涂覆厚度的预测结果；S5比较后，从中选出LED荧光粉胶涂覆厚度的DBN预测模型，实现预测。本发明解决了LED荧光粉胶涂覆厚度的预测模型中不能精准预测LED荧光粉胶涂覆厚度的问题。 | ||
| 搜索关键词： | 胶涂 厚度预测模型 测试数据 网络结构 预测模型 涂覆 预测 荧光粉 预处理 采集原始数据 训练数据 预测结果 学习 | ||
【主权项】：
1.一种基于深度学习的LED荧光粉胶涂覆厚度的预测方法，其特征在于，包括如下步骤：/nS1采集原始数据集，并划分为训练数据和测试数据，并进行预处理；/nS2确定多个LED荧光粉胶涂覆厚度DBN模型的最优网络结构；/nS3确定多个最优网络结构的LED荧光粉涂覆厚度预测模型；/nS4将测试数据输入到多个荧光粉涂覆厚度预测模型，计算得到相应LED荧光粉胶涂覆厚度的预测结果；/nS5比较后，从中选出LED荧光粉胶涂覆厚度的DBN预测模型，实现预测。/n
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华南理工大学，未经华南理工大学许可，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/201910627994.2/，转载请声明来源钻瓜专利网。
