摘要
本发明提供了一种基于深度展开压缩感知网络的中子能谱解谱方法,属于中子能谱解谱技术领域,利用多个探测器探测中子能得到多个不同的响应计数,并根据所述响应计数以及探测器的响应函数构建求解中子能谱的压缩感知模型;根据迭代收缩阈值算法求解所述压缩感知模型时,所需的梯度下降过程和近端映射过程,设计由CNN分支和Transformer分支组成的深度展开压缩感知网络,并对其进行训练得到训练好的深度展开压缩感知网络;利用训练好的深度展开压缩感知网络对所述压缩感知模型进行迭代求解,得到最终的中子能谱。本发明依据压缩感知理论设计深度展开压缩感知网络,从而进行中子能谱的解谱,能提升中子能谱的解谱精度。
技术关键词
压缩感知网络
中子能谱解谱方法
迭代收缩阈值算法
探测器
压缩感知理论
分支
能量响应函数
数据
编码模块
补丁
注意力
矩阵
正则化参数
方程
代表
训练集
积层
非线性
系统为您推荐了相关专利信息
近红外成像系统
荧光探针
图像处理模块
锗光电探测器
吲哚菁绿
医学影像系统
X射线球管
平板探测器
立式胸片架
单目相机
CO2传感器
红外探测器
标定系统
红外气体传感器技术
主电路系统
半导体探测器
散热模块
封装模块
处理器芯片
DBC基板
激光雷达点云
电机编码器
井下事故现场
机器人救援方法
煤矿井下