CN119538747A 一种基于伴随神经网络的微波器件大范围建模方法及系统 (北京邮电大学)_第1页
CN119538747A 一种基于伴随神经网络的微波器件大范围建模方法及系统 (北京邮电大学)_第2页
CN119538747A 一种基于伴随神经网络的微波器件大范围建模方法及系统 (北京邮电大学)_第3页
CN119538747A 一种基于伴随神经网络的微波器件大范围建模方法及系统 (北京邮电大学)_第4页
CN119538747A 一种基于伴随神经网络的微波器件大范围建模方法及系统 (北京邮电大学)_第5页
已阅读5页,还剩20页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于伴随神经网络的微波器件大范围本发明提供一种基于伴随神经网络的微波和下边界构建对应每个重叠区间的sigmoid函围模型输出对应待计算的器件参数组的电磁频2获取微波器件的多个器件参数的范围,将所述器件参数的范围基于每个子模型对应的器件参数的子区间获取训练数据,基于所述对于每个重叠区间的上边界和下边界构建对应每个重叠区间的sig基于每个子模型对应的每种器件参数的子区间,确定每个子模将设置有修正函数的全部子模型构建为大范围模型,基于所述大范在对于每个重叠区间的上边界和下边界构建对应每个重叠区间的sigmoid函数的步骤中,基于重叠区间的上边界分别计算sigmoid函数的A参数和c参数的参数值,构建对应重叠区在基于重叠区间的上边界分别计算sigmoid函数的A参数和c参数的参数值的步骤中,基于如下公式计算sigmoid函数的A参数和c参数:其中,r为预设的计算参数,ws为重叠区间的上边界的值,5.根据权利要求1~4任一项所述的基于伴随神经网络的微波器件大范围建模方法,其若子模型不存在缩小方向上相邻的子区间,但存在增大方向上相若子模型存在缩小方向上相邻的子区间,但不存在增大方向上相3若子模型存在缩小方向上相邻的子区间,且存在增大方向上相所述第一调整方式为将该子区间的重叠区间对应的sigmoid函数S作为修正子函数;所所述第三调整方式为将该子区间的重叠区间对应两个的sigmoid函数,对于两个重叠区间中左侧的重叠区间对应的sigmoid函数S1和右侧的重叠区间对应的sigmoid函数S2,计算S17.根据权利要求1或6所述的基于伴随神经网络的微在基于所述大范围模型输出对应待计算的器件参数组的电磁频域特通过对应的修正函数对所述大范围模型中的每个子模型的输出进行现如权利要求1~9任一项所述方法所实现4开发精确度高、设计成本低、性能稳定的射频微波器件和电路来满足这些新需求和新应用至关重要。为了实现上述设计要求,射频微波设计人员越来越依赖于计算机辅助设计射频微波器件与系统设计中两个必不可少的步骤。但是在使用现有的3D仿真软件进行电磁是非常昂贵的而且是非常耗时的。建立精确可靠的射频微波器件模型可以有效地加快高认为的微波器件参数化建模和设计优化的强大技术。ANN可以有效学习电磁器件的输入输出关系,经过训练的神经网络模型能够准确快速预测以几何参数为变量的微波器件的电磁响应。现在已经引入了各种技术来发展和提高微波器件的参数化模型,例如伴随神经网络存的技术是无法解决的。[0004]鉴于此,本发明实施例提供了一种基于伴随神经网络的微波器件大范围建模方获取微波器件的多个器件参数的范围,将所述器件参数的范围划分为多个子区个子模型进行预训练,在训练的过程中通过每个子模型对应的伴随神经网络进行辅助训对于每个重叠区间的上边界和下边界构建对应每个重叠区间的sig5个重叠区间的sigmoid函数的步骤中,基于重叠区间的上边界分别计算sigmoid函数的参[0010]在本发明的一些实施方式中,在基于每个子模型对应的确定每个子模型对于每种器件参数的修正子判定子模型对应的器件参数的子区间是否存在缩小方向和增大方向上相邻的子sigmoid函数S作为修正子函数;所述第二调整方式为对于该子区间的重叠区间对应的6计算机程序被处理器执行时以实现前述基于伴随神经网络的微波器件大范围建模方法所于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获[0020]图1为本发明基于伴随神经网络的微波器件大范围建模方法一种实施方式的示意7示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大[0023]如图1和2所示,本发明提出一种基于伴随神经网络的微在具体实施过程中,所述子模型采用SAANN神经网络结构,SAANN(Sparse[0027]步骤S300,对于每个重叠区间的上边界和下边界构建对应每个重叠区间的模型输出对应待计算的器件参数组的电磁频8个重叠区间的sigmoid函数的步骤中,基于重叠区间的上边界分别计算sigmoid函数的参[0034]在本发明的一些实施方式中,在基于每个子模型对应的确定每个子模型对于每种器件参数的修正子判定子模型对应的器件参数的子区间是否存在缩小方向和增大方向上相邻的子sigmoid函数S作为修正子函数;所述第二调整方式为对于该子区间的重叠区间对应的9处的输出之间的差别,本方案提出如前述的沿各个维度为相邻子模型设置一个重叠区域,有非常相似的输出响应,再利用sigmoid函数的数学特性对各个子模型的每一维进行修正型范围外的数据为0,并且对边界上的数据进行合理的修改,在对整体模型的边界使用环境下的射频微波器件电磁响应建立精确的大范围参数化模型可以增加模型的使用范围,机程序被处理器执行时以实现前述基于伴随神经网络的微波器件大范围建模方法所实现[0050]需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处施方式中以相同方式或以类似方式使用,和/或与其他实施方式的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论