买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜吉林大学申请的专利一种基于LSTM的溴化镧探测器伽玛能谱校正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119720816B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510230308.3，技术领域涉及：G06F30/27；该发明授权一种基于LSTM的溴化镧探测器伽玛能谱校正方法是由李政赫;赵玉岩;李兵;汤肖丹;宋美彤设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种基于LSTM的溴化镧探测器伽玛能谱校正方法在说明书摘要公布了：本发明适用于伽玛能谱校正技术领域，提供了一种基于LSTM的溴化镧探测器伽玛能谱校正方法，包括以下步骤：进行溴化镧探测器伽玛能谱仪的数据准备以及前处理；构建LSTM网络模型，对LSTM网络模型进行训练和测试；将溴化镧探测器伽玛能谱仪的未知实测原始能谱数据导入至训练完成的LSTM网络模型中，预测对应的核素能谱数据。本发明有效解决了溴化镧探测器伽玛能谱仪所采集数据中存在的能谱本底、谱线漂移及噪声等问题。利用LSTM网络的记忆和处理能力，实现了对伽玛能谱的快速且稳定的校正，可以迅速获取用于确定放射性核素特征峰和峰面积的核素谱线，显著降低了人为因素在能谱数据处理中的干扰，提高了数据处理的准确性和效率。

本发明授权一种基于LSTM的溴化镧探测器伽玛能谱校正方法在权利要求书中公布了：1.一种基于LSTM的溴化镧探测器伽玛能谱校正方法，其特征在于，包括以下步骤： 步骤S1：进行溴化镧探测器伽玛能谱仪的数据准备以及前处理，包括以下子步骤： 步骤S11：对溴化镧探测器伽玛能谱仪的实测原始能谱进行预处理，包括谱线漂移校正、噪声校正与本底校正，得到对应的实测核素能谱； 步骤S12：模拟随机放射性元素含量的核素能谱数据，并为模拟核素能谱添加由溴化镧探测器实测或由蒙特卡罗方法模拟的本底能谱，之后为每条谱线添加随机的高斯噪声，并进行随机谱线漂移，得到对应的模拟原始能谱； 步骤S2：构建LSTM网络模型，对LSTM网络模型进行训练和测试； 将步骤S1获得的实测原始能谱与模拟原始能谱作为LSTM网络模型的输入，实测核素能谱与模拟核素能谱作为LSTM网络模型的输出，实测能谱与模拟能谱均占训练集数据量的50%，对模型进行训练和测试； 所述LSTM网络模型包括LSTM层、卷积层和Regression层； LSTM层通过隐藏层的循环连接，保存和传递之前时间步的信息给当前时间步，处理具有时间序列依赖的数据；所述LSTM层的隐藏状态长度为100；学习率为0.001，根据学习次数进行学习率调整，每训练10轮根据训练效果选择性的将学习率乘以0.5；正则化参数为0.001；所述LSTM层中第t个神经元的具体结构为At，At神经元的具体工作原理用如下数学方程表示： ； ； ； ； ； ； 式中，ft为At神经元的遗忘门，Wf和bf均为遗忘门的可学习参数；σ为Sigmoid函数；at-1为上一个神经元的输出值；it为At神经元的输入门，Wi和bi均为输入门的可学习参数；为tanh层创建的新的候选值向量，Wc和bc均为其可学习参数；xt为t时刻网络的输入值；ot为At神经元的输出门，Wo和bo均为输出门的可学习参数；ct-1为上一个神经元输出的长期记忆信息，ct为经过At神经元更新后的长期记忆信息；at为At神经元的输出值； 卷积层用于整合能谱数据中的特征，进行局部连接和权重共享； Regression层用于定义回归问题的损失函数层，将预测核素能谱与真实核素能谱进行比较，并计算出损失值，用来更新网络的权重和偏差，优化模型性能；所述Regression层采用均方根差作为损失函数； 步骤S3：将溴化镧探测器伽玛能谱仪的未知实测原始能谱数据导入至训练完成的LSTM网络模型中，预测对应的核素能谱数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。