龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国科学院上海技术物理研究所
摘要：本发明公开了基于深度CNN预训练模型迁移学习的火星LIBS数据分析方法，涉及激光光谱分析技术领域，其技术要点为：首先构建源域深度CNN预训练模型并用大量地面光谱开展预训练，使其能对光谱形态进行特征提取和学习；随后使用数据量较少的火星光谱重新训练该CNN模型的部分后端层，使其可适用于目标域数据分析；通过深度结合CNN在特征提取方面的优势和迁移学习在训练样本稀缺场景中的优势，利用地面LIBS光谱库实现了火星LIBS光谱定量分析准确度的提升，有效减小算法模型受探测环境和仪器性能差异的影响，并攻克火星光谱数据稀少的难点，适用于深空探测LIBS光谱数据分析。
主权项：1.基于深度CNN预训练模型迁移学习的火星LIBS数据分析方法，其特征是：包括以下步骤：S1、前期准备：准备LIBS的探测样品；制作物质化学成分信息表；构建物质样本的成分标签向量；S2、利用源域和目标域探测装置获取源域、目标域两套LIBS光谱数据集；S3、对源域数据集和目标域数据集中的LIBS光谱进行预处理；S4、基于源域数据集，构建源域深度CNN预训练模型，确定网络的整体结构；S5、基于源域数据集，对源域深度CNN预训练模型进行预训练；S6、调节优化网络参数，完成源域深度CNN预训练模型的构建和预训练；S7、基于目标域数据集，开展模型的迁移学习，对源域深度CNN预训练模型进行适当调整和重新训练，最终获得目标域深度CNN模型。
全文数据：
权利要求：
百度查询： 中国科学院上海技术物理研究所 基于深度CNN预训练模型迁移学习的火星LIBS数据分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号