光栅反散射问题的神经网络方法

针对测量的近场数据来研究光栅形状重构问题,提出了一种基于端对端结构的神经网络方法。该方法是一种循环神经网络,采用序列对序列的方式进行计算。网络模型以近场数据作为输入,以光栅形状参数作为输出,先利用编码端对输入的近场数据进行特征提取,再通过Adam算法更新模型权重,最后使用解码端进行光栅形状参数的反演。此外,模型利用多个门控循环单元从近场数据中提取近场特征,并将该特征引入到解码端中,为反演光栅形状参数提供了更多的特征参考,进一步提高反演效果。数值实验说明该方法可以有效地重构光栅的形状。