У меня есть 10 спектров, полученных из физического эксперимента;все 10 имеют одинаковые значения «x», но значения «y» изменяются из-за различий в том, как далеко линза лазера находится от цели, которую я аблирую, что создает спектр. На графике некоторые пики, которые вы видите на одном спектре, неразрывно связаны, но это не так легко увидеть визуально.
У меня есть 10 спектров, расстояние от объектива и теоретические входные данные, для которых значения y будутбыть интенсивным для каждых десяти спектров (см. пример ниже). Моя цель - обучить модель, которая может предсказать спектр, учитывая набор входных данных и расстояние до объектива.
Для справки
- Есть 10 спектров
- Существует 46 теоретических значений x & y, которые в действительности объединяются различными способами, образуя пики ниже
- Каждый экспериментальный спектр составляет 1024 точки на графике xy
Я пытался реализовать решение в Keras через python, но из-за моей "новизны" в ML из-за отсутствия лучшего слова, моя реализациятерпит неудачу;Я не уверен на 100%, как мне следует форматировать свои входные и выходные данные.
def BuildModel():
#This is a linear stack of neurons
model = Sequential()
model.add(Dense(128, input_dim=1024,activation='relu'))
model.add(Dense(32, activation='sigmoid'))
model.add(Dense(8,activation='sigmoid'))
model.add(Dense(1,activation='linear'))
model.compile(loss="mean_squared_error", optimizer="adam")
return model
BuildModel().summary()
10 визуализированных спектров