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：东华理工大学
摘要：本发明公开了一种基于改进型深度学习的氡气测量修正方法及系统，创造性的将归一化的粒子群算法NPSO、BP网络、FASTLOF算法结合，充分利用NPSO算法捕捉多维数据中相关性和全局寻优的优势，构成全连接层的权重矩阵，改善了BP网络性能，并利用了FASTLOF数据检测模型，增强了网络离群值检测能力，对异常数据进行处理，保证数据的有效性，为后续数据的修正提供了进一步保证，有效提高了模型的性能和计算精度。基于此，本发明技术方案实现了高效、高精度的氡气测量值修正，降低了仪器受环境影响的因素，显著提高了氡气测量数据处理的自动化程度、氡气数据精度、仪器测量的适应性等性能。
主权项：1.一种基于改进型深度学习的氡气测量修正方法，其特征在于：包括以下步骤：S1：利用氡浓度实际测量数据构建样本库，并对样本进行类别标签标记，所述类别标签至少包括氡室标准氡浓度以及多类环境测量参数；S2：构建基于归一化的粒子群算法NPSO的相关性计算模型，所述相关性计算模型的输入数据为样本的氡浓度测量值以及类别标签，输出为所述氡浓度测量值、所述多类环境测量参数分别与所述氡室标准氡浓度的相关性系数；其中，所述氡浓度测量值、所述多类环境测量参数分别与所述氡室标准氡浓度的相关性系数之和为1；S3：将步骤S2确定的所述氡浓度测量值、所述多类环境测量参数与所述氡室标准氡浓度的相关性系数作为BP网络模型的初始权值，再利用样本数据训练所述BP网络模型；所述BP网络模型的输入数据为氡浓度测量值以及类别标签，输出为氡浓度修正值，其中，所述BP网络模型训练是以输出的氡浓度修正值与对应所述氡室标准氡浓度的误差下降为网络参数优化方向进行训练；S4：将待修正的氡浓度进行类别标签标注，再将待修正的氡浓度及类别标签输入所述BP网络模型得到氡浓度修正值。
全文数据：
权利要求：
百度查询： 东华理工大学 一种基于改进型深度学习的氡气测量修正方法及系统
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