基于LSTM的K2CsSb光阴极反射率预测模型
针对目前K2CsSb光阴极制备过程中无法预判光阴极生长状态的问题,提出一种基于长短期记忆(LSTM)循环神经网络的K2CsSb光阴极反射率预测模型.一维原始反射率数据集经过清洗、筛选、序列化等预处理手段后重构为二维数据输入模型.为充分利用反射率数据在时序上高度相关的特性,采用双层LSTM网络提取特征,预测结果通过全连接层输出,以均方误差(MSE)作为模型预测效果的评判标准.实验结果表明,该模型的网络结构合理且在不同数据集下的表现良好,预测准确率可达99.21%.该模型可运用在K2CsSb光阴极的制作过程中,通过反射率预测值反馈调节工艺参数以趋近目标走势,对提高光阴极性能具有促进作用.
双碱阴极、长短期记忆网络、深度学习、反射率
43
TN206(光电子技术、激光技术)
国家重大科学仪器设备开发专项2016YFF0100400
2022-11-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
1037-1043