-
公开(公告)号：CN112711910B
公开(公告)日：2022-05-17
申请号：CN202011612156.7
申请日：2020-12-30
Applicant: 厦门大学
Inventor： 肖理业 , 洪荣汉 , 赵乐一 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于机器学习‑电磁反演的高空间分辨率脑成像方法，包括以下步骤：建立反演模型，根据高空间分辨率的脑电特性分布，建立SJ‑BPNNs网络和U‑Net网络结合的反演模型，所述SJ‑BPNNs网络将测量到的散射场转化为脑电特性的三维图像，再利用U‑Net网络增强三维图像的成像质量；依据人脑先验信息的脑成像训练策略来建立学习样本数据集；所述训练策略包括：在给定范围内对人脑模型进行不同因子的缩放；根据不同的组织，在给定的范围内随机设置不同训练样本的脑组织电学特性；利用学习样本集对SJ‑BPNNs网络进行训练和验证；再将SJ‑BPNNs输出的三维图像处理成二维图像输入到U‑Net中训练和测试；本发明提供的方法能够实现高效、准确地重建三维高空间分辨率的人脑电性层析成像。
-
公开(公告)号：CN114326328B
公开(公告)日：2023-05-26
申请号：CN202210020545.3
申请日：2022-01-10
Applicant: 厦门大学
IPC: G03F7/20
Abstract: 一种基于深度学习的用于超紫外光刻的模拟仿真方法，涉及电磁正演仿真计算。包括小尺寸掩膜模拟仿真和大尺寸掩膜模拟仿真；小尺寸掩膜仿真功能用于进行与训练集尺寸(128nm×128nm)相同的掩膜模拟仿真，大尺寸掩膜仿真功能用于仿真尺寸大于训练集尺寸(256nm×256nm及以上)的掩膜模拟仿真。设计掩膜形状，建立双层U‑Net深度学习训练模型，输入需要仿真的光刻掩膜图像，输出掩膜堆叠上方平面上对应的远近场。可降低仿真所需的时长和占用的设备资源，具备与全波模拟相近的仿真精度，并满足仿真掩膜线宽变化范围为2～19nm的超紫外光刻需求。能计算的掩膜的尺寸，相对于超紫外波长比较大，具有较广应用范围。
-
公开(公告)号：CN112711910A
公开(公告)日：2021-04-27
申请号：CN202011612156.7
申请日：2020-12-30
Applicant: 厦门大学
Inventor： 肖理业 , 洪荣汉 , 赵乐一 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于机器学习‑电磁反演的高空间分辨率脑成像方法，包括以下步骤：建立反演模型，根据高空间分辨率的脑电特性分布，建立SJ‑BPNNs网络和U‑Net网络结合的反演模型，所述SJ‑BPNNs网络将测量到的散射场转化为脑电特性的三维图像，再利用U‑Net网络增强三维图像的成像质量；依据人脑先验信息的脑成像训练策略来建立学习样本数据集；所述训练策略包括：在给定范围内对人脑模型进行不同因子的缩放；根据不同的组织，在给定的范围内随机设置不同训练样本的脑组织电学特性；利用学习样本集对SJ‑BPNNs网络进行训练和验证；再将SJ‑BPNNs输出的三维图像处理成二维图像输入到U‑Net中训练和测试；本发明提供的方法能够实现高效、准确地重建三维高空间分辨率的人脑电性层析成像。
-
公开(公告)号：CN119940125A
公开(公告)日：2025-05-06
申请号：CN202510035839.7
申请日：2025-01-09
Applicant: 厦门大学
IPC: G06F30/27 , G06F30/10 , G06F30/3323
Abstract: 本发明公开了一种基于机器学习的频率选择表面微波吸收器逆设计方法，包括：构建包括第一广角阻抗匹配层、第二广角阻抗匹配层、电阻方环层和金属底板层的吸收器结构，吸收器结构信息包括平面拓扑变量和离散数值变量；构建包括输入数据集和输出数据集的训练数据集；使用所述训练数据集对神经网络模型进行训练，获得训练好的神经网络模型；针对电磁响应目标，基于训练好的神经网络模型得到吸收器的平面拓扑变量和离散数值变量，实现逆向设计。本发明通过拓扑建模和离散变量组合来设计吸收器，提供了更多的自由度和更高的效率，使用神经网络模型完成设计，实现了吸波器设计的复用性，且绝对带宽显著提高，斜入射下TE和TM极化均能保持较宽的相对带宽。
-
Patent Agency Ranking
公开(公告)号：CN115203935A
公开(公告)日：2022-10-18
申请号：CN202210816139.8
申请日：2022-07-12
Applicant: 厦门大学
IPC: G06F30/20 , G06F30/17 , G06K9/62 , G06N20/00 , G06F111/10
Abstract: 本发明公开了一种基于深度学习的频率选择表面结构拓扑逆预测方法及装置，采用拓扑建模方式构建频率选择表面结构，并将频率选择表面结构进行仿真，得到对应的|S11|曲线，基于频率选择表面结构与其对应的|S11|曲线构建训练数据；构建基于MLP‑Mixer的频率选择表面结构拓扑逆预测模型，采用训练数据对频率选择表面结构拓扑逆预测模型进行训练，得到经训练的频率选择表面结构拓扑逆预测模型，频率选择表面结构拓扑逆预测模型的输入是|S11|曲线，输出是频率选择表面结构的二值图像；获取目标|S11|曲线，将目标|S11|曲线输入经训练的频率选择表面结构拓扑逆预测模型，预测得到满足目标|S11|曲线条件的频率选择表面结构。经过验证该预测方法可靠有效，提高了计算效率。
-
公开(公告)号：CN114326328A
公开(公告)日：2022-04-12
申请号：CN202210020545.3
申请日：2022-01-10
Applicant: 厦门大学
Inventor： 肖理业 , 易俊男 , 其他发明人请求不公开姓名
IPC: G03F7/20
Abstract: 一种基于深度学习的用于超紫外光刻的模拟仿真方法，涉及电磁正演仿真计算。包括小尺寸掩膜模拟仿真和大尺寸掩膜模拟仿真；小尺寸掩膜仿真功能用于进行与训练集尺寸(128nm×128nm)相同的掩膜模拟仿真，大尺寸掩膜仿真功能用于仿真尺寸大于训练集尺寸(256nm×256nm及以上)的掩膜模拟仿真。设计掩膜形状，建立双层U‑Net深度学习训练模型，输入需要仿真的光刻掩膜图像，输出掩膜堆叠上方平面上对应的远近场。可降低仿真所需的时长和占用的设备资源，具备与全波模拟相近的仿真精度，并满足仿真掩膜线宽变化范围为2～19nm的超紫外光刻需求。能计算的掩膜的尺寸，相对于超紫外波长比较大，具有较广应用范围。
-
公开(公告)号：CN113238460B
公开(公告)日：2022-02-11
申请号：CN202110412412.6
申请日：2021-04-16
Applicant: 厦门大学
Inventor： 肖理业 , 赵乐一 , 易俊男 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于深度学习的用于超紫外的光学邻近校正方法，包括：正演模块和反演模块两部分；其中，正演模块用于快速准确地将掩膜映射到堆叠上方平面对应的近远场，反演模块用于快速准确地将目标成像映射到校正后的掩膜。本发明提供的方法与传统的全波模拟相比，正演模块可以大大提高计算效率，包括所需的运行时间和内存；同时，与耗时的迭代OPC方法不同的是利用训练好的反演模块输入目标成像即可得到修正后的掩膜。
-
公开(公告)号：CN118569199A
公开(公告)日：2024-08-30
申请号：CN202410663095.9
申请日：2024-05-27
Applicant: 厦门大学
IPC: G06F30/398 , G06F30/392 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提出了一种基于深度学习的射频集成电路无源集成器件逆设计方法，属于射频集成电路和深度学习领域，包括：构建数据集，并针对具体实例仿真获取对应电容和电感的结构参数限制范围，在结构参数限制范围内生成电容和电感结构参数，同仿真后获取的S21参数组合作为数据集；构建深度学习的条件生成对抗网络，通过数据集进行训练，实现了射频集成电路无源集成器件逆设计。本发明通过检测机制生成数据集，根据数据集训练条件生成对抗网络，能够根据实际应用中对射频无源集成器件的性能需求，生成符合要求的射频无源集成器件的结构参数，节省了射频无源集成器件设计和优化的流程，提高射频无源集成器件设计的效率和灵活性。
-
公开(公告)号：CN113238460A
公开(公告)日：2021-08-10
申请号：CN202110412412.6
申请日：2021-04-16
Applicant: 厦门大学
Inventor： 肖理业 , 赵乐一 , 易俊男 , 其他发明人请求不公开姓名
Abstract: 本发明提供一种基于深度学习的用于超紫外的光学邻近校正方法，包括：正演模块和反演模块两部分；其中，正演模块用于快速准确地将掩膜映射到堆叠上方平面对应的近远场，反演模块用于快速准确地将目标成像映射到校正后的掩膜。本发明提供的方法与传统的全波模拟相比，正演模块可以大大提高计算效率，包括所需的运行时间和内存；同时，与耗时的迭代OPC方法不同的是利用训练好的反演模块输入目标成像即可得到修正后的掩膜。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
