收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习的电磁场建模与设计研究

肖理业  
【摘要】:近年来,随着人工智能的飞速发展,将机器学习引入电磁场仿真设计具有广阔的前景。构建计算机辅助设计(computer aided design,CAD)模型以代替电磁场全波仿真,在优化算法的反复调用情况下能够大幅提高器件的设计效率、节约设计成本。本学位论文将基于机器学习算法提出用于电磁场建模与设计的模型,进一步提升建模效率、节约设计成本,主要研究内容如下:第一章主要从电磁场建模中的神经网络模型、基于先验知识的神经网络模型、以及基于传递函数的神经网络模型三方面概述了基于机器学习的电磁场建模与设计的研究进展。第二章主要介绍了基于数据挖掘技术的神经网络模型的研究。在本章中,提出了基于数据挖掘技术的神经网络建模方法,通过使用相关性分析及数据分类技术从另一个角度解决输入参数过多和传递函数阶数变化影响训练精度的问题。通过U型槽贴片天线、单阻带超宽带天线和双阻带超宽带天线三个参数化建模实例验证了该模型的有效性。第三章主要介绍了基于多参数输出的神经网络模型的研究。本章首先提出了一种新的人工神经网络模型以多参数输出描述天线的性能。在这个模型中,三个并行且独立的分支可以分别输出三个不同的天线性能参数。Fabry-Perot天线验证了该模型的有效性。同时,为了解决先验知识对有限周期阵列神经网络建模的限制,还提出了一个多参数输出的多级神经网络模型。考虑到阵列中的单元互耦和单元排布,该模型包含两类神经网络:单元-神经网络和阵列-神经网络。基于几何变量和阵列单元的电磁场响应间的关系,单元-神经网络被用于向阵列-神经网络提供先验知识。然后,考虑整个阵列环境,建立阵列-神经网络,通过单元响应的非线性叠加得到整个阵列的电磁响应。三个数值算例:一个线性相控阵、一个六元偶极子阵列及一个U型槽微带阵验证了该模型的有效性。第四章主要介绍了改进的极限学习机(extreme learning machine,ELM)的研究。论文第四章首先提出了基于传递函数的极限学习机模型。在该模型中,为了进一步节约训练成本以减少计算时间,应用改进的花授粉算法(flower pollination algorithm,FPA)优化ELM的权重和阈值的初值,从而减少ELM对初始权重和阈值的依赖。耦合线滤波器及四模腔体滤波器两个参数化建模实例验证了该模型的有效性。其次本章提出了用于微波器件参数化电磁场建模的结合传递函数的动态调整内核极限学习模型(dynamic adjustment kernel extreme learning machine,DA-KELM)。该模型支持增加学习、减少学习和混合学习,在模型未获得满意精度的情况下,可以直接利用新旧训练数据集的重叠,以更快的再训练速度获得准确的训练结果。微带垂直过渡及四模腔体滤波器两个参数化建模实例验证了DA-KELM的有效性。最后,基于DA-KELM,本章提出了介于监督学习和无监督学习之间的半监督学习模型以大幅减少训练所需的训练样本数。所提出模型包含两个训练过程,初始训练和自我训练。在初始训练中,来自全波仿真的较少的训练样本使模型快速收敛。在接下来的自我学习中,模型产生非标记数据用于训练它自己,直到达到满意精度。微带垂直过渡及双频四极点腔体滤波器两个参数化建模实例验证了半监督学习模型的有效性。第五章对全文作出了系统的概括与总结,并指出了需要进一步进行研究的课题方向。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期
3 冯伟业;廖可非;欧阳缮;牛耀;;基于胶囊神经网络的合成孔径雷达图像分类方法[J];科学技术与工程;2019年28期
4 温赞扬;;基于群智优化神经网络的音乐风格分类模型研究[J];现代电子技术;2019年21期
5 郑丽;;建筑设计中神经网络技术与遗传算法探究[J];湖北农机化;2019年21期
6 易炜;何嘉;邹茂扬;;基于循环神经网络的对话系统记忆机制[J];计算机工程与设计;2019年11期
7 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
8 赖策;魏小琴;;卷积神经网络的训练方式研究[J];信息与电脑(理论版);2019年22期
9 周济民;;基于神经网络改进的元胞自动机分析——美国阿片类药物滥用情况[J];信息系统工程;2019年11期
10 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
11 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
12 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
13 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
14 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
15 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
4 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
5 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
6 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
7 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
8 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
9 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
中国硕士学位论文全文数据库 前10条
1 白会杰;基于人工智能的光伏发电短期功率预测技术[D];北京交通大学;2019年
2 张荣葳;基于卷积神经网络与SimHash的网络异常流量检测技术研究[D];中国工程物理研究院;2019年
3 张超利;基于神经网络的河南省空气污染预测研究[D];华北水利水电大学;2019年
4 范汝鑫;基于深度神经网络的个性化商品推荐研究[D];合肥工业大学;2019年
5 贾凯;人工蜂群算法与BP神经网络并行集成学习研究[D];合肥工业大学;2019年
6 黄国维;基于深度学习的城市垃圾桶智能分类研究[D];安徽理工大学;2019年
7 江白华;基于深度学习的人脸识别研究[D];安徽理工大学;2019年
8 侯栋楠;基于深度特征学习的振动状态识别方法[D];华北电力大学;2019年
9 肖炜茗;基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力[D];天津师范大学;2019年
10 强硕;基于神经网络的电锅炉动态过程建模研究[D];华北电力大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978