基于融合式神经网络的目标多磁性参数反演研究

针对由不同磁性材料构成的复杂目标体多个磁导率参数反演困难的问题,基于深度学习提出了一种高效的融合式神经网络反演方法.首先,通过融合式神经网络中的分类器将大尺度范围目标磁场信号进行粗化分类,以映射到小尺度局部范围;然后,再通过融合式神经网络中的解算器进行多磁性参数的精细化回归预测.将所提出的融合式神经网络与传统的全连接神经网络进行了仿真实验对比,实验结果表明:融合式神经网络对多磁导率参数的推算精度高达97.5%,比传统全连接神经网络具有更高的预测精度.