一种基于深度学习和数学拟合的布里渊频移提取方法

摘要

布里渊频移的提取则依靠对于离散数据点的曲线拟合，传统的拟合方式主要包括数学分析拟合和深度学习神经网络拟合，其中，数学分析拟合往往过度依赖数据，当信号的信噪比过低时，往往会产生错误的拟合；单纯依赖深度学习神经网络拟合的方式，其拟合精度则主要由训练集数量和模型参数的设置决定，除了拟合正确度难以保证之外，也不能满足实际情况中所有的需求，本发明提出了综合利用数学分析拟合和深度学习拟合两种方式的拟合方法，综合利用两种方法的优点，一方面对两种拟合方式各自提出了优化，另一方面对优化后的两种拟合方法得出的拟合曲线做进一步处理，得到最终的拟合曲线，从而提升了对于布里渊频移提取的准确性。