一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法

摘要

本发明提供一种ECA‑CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，所述方法包括：获取包含光子晶体空间透射谱和结构参量的训练数据集；构建基于ECA‑CNN融合双通道RNN的神经网络模型；利用获取的训练数据集对构建的神经网络模型进行训练，并采用优化算法提高模型特征提取和参数预测性能；再通过多种回归预测评价指标进行模型性能评估。其中，在训练过程中，将通过ECA‑CNN卷积模块提取的空间像素特征和双通道RNN提取的图像时序特征进行融合，根据融合后的特征对图像进行全面分析，完成光子晶体的结构设计。采用本发明，能够利用融合后更加全面的图像特征对图像进行分析，提高基于复杂图像的参量预测性能。