摘要
本发明涉及一种基于多分支加权特征融合的光学系统正向设计方法和模型,该方法包括以下步骤:输入特征的选择与构建;多分支结构设计;自适应加权特征融合机制;正向设计的预测输出;训练与优化过程;输出结果的验证与应用。本发明的基于多分支加权特征融合网络的光学系统正向设计方法,采用深度学习网络直接学习“性能指标—设计参数”之间的映射关系,以多种光学性能指标(如MTF曲线、波前分布图、泽尼克像差系数等)为输入,快速输出对应的光学系统设计参数,真正实现了从光学系统性能目标到结构参数的正向预测,避免了繁琐、低效的迭代优化过程。
技术关键词
正向设计方法
加权特征
光学设计参数
多分支
深度学习网络结构
特征提取模块
多层感知机
多层卷积神经网络
收集光学系统
一维卷积神经网络
曲线
设计特征
接收光学系统
调制传递函数
最小化误差
系统为您推荐了相关专利信息
矿井粉尘浓度
区域预测方法
联动设备
矩阵
温湿度
放电检测方法
多元线性回归模型
绝缘老化
光子晶体光纤
开关柜结构
图像特征向量
仿生无人机
智能识别方法
加权特征
训练神经网络