Page 95 - 《应用声学》2023年第3期

第 42 卷 第 3 期 刘骁等： 基于深度学习的材料超声回波衰减预测方法 533

100
50
0
100
50
0
100
50
ࣨϙ/% 100 0

50
0
100
50
0
100
50
0
0 200 400 600 800 1000 1200 1400 1600 1800
᧔ನག
(d) ᑀங࠱ฉ(൤Лฉ)஝૶ᬷЧیฉॎ
图 2 数据集划分区域及其典型波形
Fig. 2 Data set division area and its typical waveform

120
100

80
ನవ஝᧚ 60

40

20
0
100 100

80 80
अ᭧ڀฉࣨए/%
60 60

40 40

20 20

0 0 0 0 20 40 60 80 100
120 100 80 60 40 20
ನవ஝᧚ ᑀங࠱ฉࣨए/%
图 3 衰减数据集和背散射波数据集的 KDE
Fig. 3 The KDE of attenuation data set and backscattered wave data set

1.1.3 编程和训练机器学习模型环境 Adam 优化器进行优化 [9] ，采用交叉熵作为损失
在 本 文 中， 所 有 编 程 都 在 Python 中 完 成， 函数，在每个卷积层之后都使用 ReLU 激活 [10] 。在
机器学习方面使用 Scikit-learn 和 PyTorch 框架实 最终输出层将 softmax 应用于模型输出以进行结果
现 [7−8] 。本研究中所采用的神经网络模型采用 预测。