公开(公告)号：CN106295799B

公开(公告)日：2018-11-02

申请号：CN201510237437.1

申请日：2015-05-12

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  周喜川 ,  余磊 ,  李胜力 ,  谭跃 ,  胡盛东 ,  唐枋

IPC: G06N3/063

Abstract: 本发明属于神经网络模型设计技术领域，具体涉及一种深度学习多层神经网络的实现方法。本发明的方法首先采用数字电路构建单层神经网络，之后将上一单层神经网络的输出作为下一单层神经网络的输入，采用串联的形式构建多层神经网络。本发明的方法解决了现有方法仅能构建浅层神经网络的技术问题，面向深度学习，建立了多层的神经网络硬件模型，通过脉冲大小实现信息传递，其模拟的神经元更加接近实际神经元。

公开(公告)号：CN111141708A

公开(公告)日：2020-05-12

申请号：CN201911408912.1

申请日：2019-12-31

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  周喜川 ,  赵宁博 ,  杨越超 ,  崔鑫

IPC: G01N21/55

Abstract: 本发明属于地质勘查领域，具体涉及一种岩石高光谱图像数据增强方法，该方法包括以下步骤：步骤(1)采集高光谱图像中有地面岩石分析测试验证的像元光谱为数据增强的样本；步骤(2)计算出每种矿物端元的光谱反射率x；步骤(3)计算每种矿物端元的单次散射反照率；步骤(4)计算混合矿物的单次散射反照率；步骤(5)将步骤(4)构建的混合矿物光谱转换为图像中的光谱反射率；步骤(6)将不同角度的混合矿物光谱反射率进行合并，制作数据增强后的岩石高光谱图像。本发明针对花岗岩、碳酸岩等岩石光谱做过大量实验研究，构建可用于深度学习的光谱样本数据集，适用性较强，对于其他地物的识别和分析工作也具有借鉴意义。

公开(公告)号：CN106295799A

公开(公告)日：2017-01-04

申请号：CN201510237437.1

申请日：2015-05-12

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  周喜川 ,  余磊 ,  李胜力 ,  谭跃 ,  胡盛东 ,  唐枋

IPC: G06N3/063

Abstract: 本发明属于神经网络模型设计技术领域，具体涉及一种深度学习多层神经网络的实现方法。本发明的方法首先采用数字电路构建单层神经网络，之后将上一单层神经网络的输出作为下一单层神经网络的输入，采用串联的形式构建多层神经网络。本发明的方法解决了现有方法仅能构建浅层神经网络的技术问题，面向深度学习，建立了多层的神经网络硬件模型，通过脉冲大小实现信息传递，其模拟的神经元更加接近实际神经元。

公开(公告)号：CN111141708B

公开(公告)日：2022-07-26

申请号：CN201911408912.1

申请日：2019-12-31

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  周喜川 ,  赵宁博 ,  杨越超 ,  崔鑫

IPC: G01N21/55

Abstract: 本发明属于地质勘查领域，具体涉及一种岩石高光谱图像数据增强方法，该方法包括以下步骤：步骤(1)采集高光谱图像中有地面岩石分析测试验证的像元光谱为数据增强的样本；步骤(2)计算出每种矿物端元的光谱反射率x；步骤(3)计算每种矿物端元的单次散射反照率；步骤(4)计算混合矿物的单次散射反照率；步骤(5)将步骤(4)构建的混合矿物光谱转换为图像中的光谱反射率；步骤(6)将不同角度的混合矿物光谱反射率进行合并，制作数据增强后的岩石高光谱图像。本发明针对花岗岩、碳酸岩等岩石光谱做过大量实验研究，构建可用于深度学习的光谱样本数据集，适用性较强，对于其他地物的识别和分析工作也具有借鉴意义。