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！

申请/专利权人：上海如海光电科技有限公司

摘要：本发明公开了一种融合自编码器的孪生网络对铁矿石LIBS数据的分类识别方法，有效解决传统算法在小样本铁矿石上预测准确率不高的问题；包括如下步骤：S1：通过激光诱导击穿光谱仪采集铁矿石光谱数据作为原始训练数据；S2：对原始训练数据进行自编码器降维，降维后的数据作为训练网络的输入；S3：选用两个相同的分支网络作为孪生网络，每个分支网络处理一个输入光谱样本；两个分支网络通过共享参数在训练过程中保持同步。本发明用自编码器能够降低数据维度，提取重要的信息，使特征能更好地聚在一起；使用孪生网络后，小样本的准确率提高；模型训练及预测速度提升。

主权项：1.一种融合自编码器的孪生网络对铁矿石LIBS数据的分类识别方法，其特征在于：包括以下步骤：S1：通过激光诱导击穿光谱仪采集铁矿石光谱数据作为原始训练数据；S2：对原始训练数据进行自编码器降维，降维后的数据作为训练网络的输入；S3：选用两个相同的分支网络作为孪生网络，每个分支网络处理一个输入光谱样本；两个分支网络通过共享参数在训练过程中保持同步；所述步骤S2使用自编码器来提取数据特征，将自编码降维后的数据作为后续深度学习分类网络的输入层；自编码器包含3个线性层，3个线性整流函数激活，反向传播的优化函数选择均方方差；所述自编码器用于数据的特征提取和重构；由编码器和解码器两个主要组成部分构成；自编码器的目标是通过学习一个压缩表示和一个从该表示重构输入数据的解码器，实现输入数据的自我表征；自编码器的训练过程包括两个阶段：前向传播：将输入数据传递给编码器，产生特征表示： ；其中W1：前向传播的权重，b1：前向传播的偏置参数；反向传播：将编码器的输出传递给解码器，通过比较解码器的输出与原始输入，计算重构误差；然后使用反向传播算法来更新网络的权重和偏置，以最小化重构误差： ；其中W2：反向传播的权重，b2：反向传播的偏置参数；算法优化的目标函数为：；所述步骤S2还包括对数据进行如下的归一化处理： ，所述分支网络为残差网络，所述残差网络的基本组成单元为残差块，通过跨层连接和残差学习来优化网络的训练和性能，每个分支网络包含一个卷积层、一个池化层结构和残差块，以提取特征和学习样本表示；在每个残差块内部，输入数据通过两个或多个卷积层和激活函数进行处理；然后将输入数据与残差连接相加，得到残差块的输出；每个所述残差块中使用1x1、1x3和1x1的卷积层，以降低特征图的维度并减少计算复杂度，且所述残差网络去掉全连接层；两个分支网络共享权重，得到两个向量，使用欧式距离计算两个向量之间的差距；最后使用S型激活函数；所述步骤S3将数据集划分为训练集、验证集和测试集；为每个样本生成与之对应的“正样本”，以及与其不同类别的“负样本”；正样本是原始样本，负样本是从其他类别中选择的样本；创建成对的输入样本，每对包含一个正样本和一个负样本；采用contrastiveloss损失函数，包括边界损失和样本间距离损失； ；N表示样本数量，即配对样本的数量；Dw为孪生网络两个输出之间的欧式距离：；Y值为1或者为0；两个输入相似时，Y=1，否则为0。

全文数据：

权利要求：

百度查询： 上海如海光电科技有限公司 一种融合自编码器的孪生网络对铁矿石LIBS数据的分类识别方法