光栅反散射问题的神经网络方法

摘要：

针对测量的近场数据来研究光栅形状重构问题,提出了一种基于端对端结构的神经网络方法.该方法是一种循环神经网络,采用序列对序列的方式进行计算.网络模型以近场数据作为输入,以光栅形状参数作为输出,先利用编码端对输入的近场数据进行特征提取,再通过Adam算法更新模型权重,最后使用解码端进行光栅形状参数的反演.此外,模型利用多个门控循环单元从近场数据中提取近场特征,并将该特征引入到解码端中,为反演光栅形状参数提供了更多的特征参考,进一步提高反演效果.数值实验说明该方法可以有效地重构光栅的形状.

关键词：光栅反散射问题、神经网络、门控循环单元、长短期记忆神经网络

所属期刊栏目：46

分类号：O242.1(计算数学)

资助基金：吉林省自然科学基金20220101040JC

在线出版日期：2023-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：137-142