一种基于深度学习的伽玛射线暴识别方法与系统

著录项目

摘要

本申请涉及信息物理系统安全与韧性优化技术领域，特别涉及一种基于深度学习的伽玛射线暴识别方法与系统，该方法包括：构建GRB数据集，从GRB数据集中提取多能段、多时间尺度的光变曲线，构建二维计数图；将二维计数图输入双分支二维卷积神经网络，提取特征图作为双分支特征；对双分支特征进行通道增强、跨尺度交互和动态加权融合，得到融合特征图；根据融合特征图，计算候选事件属于真实伽玛射线暴的置信度，并同步输出暴发开始时间估计值和暴发持续时间估计值，依据置信度条件和时间一致性条件输出判决结果。该方法能够减少模型对噪声波动、电子学噪声或宇宙线短脉冲的误关注，提高弱信号和复杂形态事件的识别稳定性。

附图

附图 1