基于卷积神经元网络的光栅光谱的分类方法开题报告

 2022-08-24 09:43:06

全文总字数:4254字

1. 研究目的与意义(文献综述)

1.1研究目的及意义

随着光纤光栅技术的快速发展,各类光栅的制备方法层出不穷,但在光栅刻写制备过程中,难免存在质量低的光栅光谱,筛选出谱形好的光栅和坏的光栅,对光栅光谱的分类和标定就显得尤为重要。卷积神经网络(CNN)是神经网络的一种,它在信号识别和分类等领域已被证明非常有效。用卷积神经网络算法对生产出的光纤光栅进行分类后,滤除不合标准的光纤光栅,能够极大地减少因光纤光栅质量问题而带来的应用困扰与误差,对于工程应用具有重大意义。

1.2卷积神经网络的国内外研究现状分析

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.1研究的基本内容

采用官方提供的开源库构建一套基于卷积神经网络的光栅光谱的分类方法。借助官方提供的算法模型,搭建系统平台对光谱数据进行特征提取、训练和测试,实现光栅光谱信号的识别与分类,并对分类结果进行验证,辨识光谱好坏。

2.2研究的目标

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)第1-3周:查阅相关文献资料,明确研究内容,学习毕业设计研究内容所需理论的基础。确定毕业设计方案,完成开题报告。

(2)第4-5周:论文开题。

(3)第6-12周:撰写论文初稿。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

  1. [1]HUBEL D H,WIESEL T N.Receptive fields,binocular interaction,and funct- ional architecture in the cat’s visual cortex [J].Journal of Physiology,1962,160(1):106-154.

    [2]Fukushima K,Miyake S.Neocognitron:A new algorithm for pattern recognition tolerant of deform ations and shifts in position [J].Pattern Recognition,1982,15(6):455-469.

    [3]LECUN Y,BOTTOU L,BENGIO Y,et a1.Gradient-based learning applied to document recognition [J].Proceedings of the IEEE,1998,86(11):2278-2324.

    剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。