基于特征增强的神经网络薄膜逆向设计方法及其光学薄膜

本发明公开了一种基于特征增强的神经网络薄膜逆向设计方法。本发明使用所属经典膜系的特征膜厚和随机膜厚组合形成特征增强的薄膜结构数据集；将卷积神经网络(CNN)和长短期记忆网络(LSTM)组合形成逆向混合神经网络，并与前向单一全连接神经网络串联，形成薄膜逆向设计神经网络模型；对该薄膜逆向设计神经网络模型进行训练，获得优化的模型参数；将目标光谱输入训练完成的逆向混合神经网络，最终设计出与目标光谱吻合的膜系结构。本发明基于特征增强的薄膜结构数据集，减小了神经网络对数据集大小的依赖，显著降低了目标光谱测试集的损失值，提高了对目标光谱预测的准确性。同时，本发明利用混合神经网络捕捉光谱的多维度特征，提升了薄膜逆向设计神经网络模型的训练速度。