摘要
本发明公开了一种基于三维空间辐射场重建模型的多源耦合辐射场构建方法(DNN‑GA),包括:S1、搭建仿真辐射环境,并采集辐射数据;S2、利用深度神经网络对采集的辐射数据进行拟合回归,并利用遗传算法对深度神经网络的参数进行优化,构建得到三维空间辐射场重建模型;S3、利用三维空间辐射场重建模型进行多源耦合辐射场构建。本发明提供的三维空间辐射场重建模型能够适用于多源耦合辐射场环境,具备在障碍物遮挡的室内场景中高精度重建空间辐射场的能力以及能够利用有限且稀疏的样本数据重建三维辐射剂量场。发明提供的多源耦合辐射场构建方法在无或有障碍物屏蔽的场景中的重建效果均显著优于GPR模型。
技术关键词
深度神经网络
遗传算法
节点
实数编码方法
采样点
放射源
GPR模型
神经网络算法
射线
坐标
障碍物
数据
参数
染色体
空气
场景
定义
栅格
样本
系统为您推荐了相关专利信息
识别方法
卷积神经网络学习
高斯核函数
Softmax函数
嵌入秘密信息
网络参数配置
时延偏差
网络配置管理系统
校验方法
分区模型
水溶袋
回归决策树
构建预测模型
随机森林模型
大数据
静电放电保护单元
静电放电保护电路
接地端
静电放电保护器件
电源