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！

龙图腾网获悉西安电子科技大学申请的专利基于神经网络和相关法的吸收光谱反演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：CN119673328B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411788057.2，技术领域涉及：G16C20/70；该发明授权基于神经网络和相关法的吸收光谱反演方法是由李浩勇;钟海;高大化;王湘杰;靳飞虎设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于神经网络和相关法的吸收光谱反演方法在说明书摘要公布了：本发明公开了一种基于神经网络和相关法的吸收光谱反演方法，主要解决现有吸收光谱温度反演精度不高、实时性差、对吸收光谱数据标准要求严格的问题。其实现方案是：获取原始吸收光谱数据，并对其进行预处理；构建包括全卷积网络FCN和长短期记忆网络LSTM的神经网络模型；利用预处理后的吸收光谱数据集通过反向传播法对神经网络模型进行训练，得到训练完成的神经网络模型；将待测的吸收光谱数据输入到神经网络模型，输出吸收光谱对应的温度范围；基于相关法对神经网络输出的温度范围进行后处理，获得温度值。本发明有效的提高吸收光谱温度反演的精度和实时性，降低了对吸收光谱数据标准的要求，可用于化学、物理和生物学领域的气体成分分析、环境监测、药物分析及食品安全检测。

本发明授权基于神经网络和相关法的吸收光谱反演方法在权利要求书中公布了：1.一种基于神经网络和相关法的吸收光谱反演方法，其特征在于，包括如下： 1获取原始吸收光谱数据，并对其进行预处理； 2构建包括全卷积网络FCN和长短期记忆网络LSTM的神经网络模型，实现步骤包括如下： 2a构建全卷积网络，其包含依次级联的3个卷积单元，每个卷积单元均包含批 量正则化层、Relu激活函数、全局池化操作，第一卷积单元的卷积核大小为8*8，卷积核数量为128；第二卷积单元的卷积核大小为5*5，卷积核数量为256；第三卷积单元的卷积核大小为3*3，卷积核数量为128；每一个卷积核均使用凯明初始化，以提高收敛速度； 2b构建长短期记忆网络，其包含依次级联的3个长短期记忆网络层，每个长短期记忆网络层均包含记忆神经单元，第一长短期记忆网络层中记忆神经单元的个数为32；第二长短期记忆网络层中记忆神经单元的个数为64；第三长短期记忆网络层中记忆神经单元的个数为128； 2c构建特征融合模块，其包含卷积层和特征聚合层，卷积层用于对全卷积网络模块和长短期记忆网络模块的输出特征进行特征融合，卷积核大小为3*3；特征聚合层用于将卷积层输出特征在每个空间位置处全部通道上的像素进行平均加权，以实现特征聚合； 2d将全卷积网络FCN和长短期记忆网络LSTM进行并行组合，构成吸收光谱数据的双分支处理架构;该双分支架构用于提取吸收光谱数据特征；提取的特征通过特征融合模块整合，即通过该融合模块中的3×3卷积层进行联合特征建模，及特征聚合层对特征进行全局加权处理；再将整合后的特征表示通过外部的全连接层映射到吸收光谱曲线对应的温度范围，形成完整的神经网络模型； 3利用预处理后的吸收光谱数据集通过反向传播法对神经网络模型进行训练，得到训练完成的神经网络模型，实现步骤包括如下： 3a将预处理后的吸收光谱数据集输入到构建好的神经网络模型中，得到吸收光谱数据对应的温度范围； 3b结合交叉熵损失与铰链损失的特点，定义所述神经网络模型的损失函数： ； 其中，表示模型的预测结果，边界阈值，表示真实标签，表示模型对第个样本的预测概率； 3c利用所述损失函数，计算输出的温度范围与对应原始温度范围之间的回归损失； 3d利用自适应的随机梯度下降算法对所述基于全卷积网络FCN和长短期记忆网络LSTM的神经网络模型进行多轮训练，直至所述回归损失收敛，得到训练完成的神经网络模型； 4将待测的吸收光谱数据输入到神经网络模型，输出吸收光谱对应的温度范围； 5基于相关法对神经网络输出的温度范围进行后处理，获得温度值。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。

以上内容由龙图腾AI智能生成。