一种基于无监督神经网络的NMR弛豫时间反演方法

摘要

本发明公开了一种基于无监督神经网络的NMR弛豫时间反演方法，模拟反演核矩阵，模拟连续的NMR弛豫时间谱，模拟噪声，计算NMR弛豫信号作为样本，各个样本构成样本集，构建无监督神经网络模型，定义无监督神经网络模型的损失函数；将训练样本集中的样本作为无监督神经网络模型的输入，依据损失函数最小，获得NMR弛豫信号与NMR弛豫时间谱的最佳映射关系。本发明训练样本无需标记，为采用实验数据作为样本进行训练提供了可能；自动学习出最优的正则化参数，不依赖初始值及人工经验；预测速度快。