本文選題：知識神經網絡 + 粗網格　； 參考：《江蘇科技大學》2017年碩士論文

【摘要】：在對微波器件進行建模優(yōu)化時,一般采用精確模型和優(yōu)化算法相結合的方法。然而,一些商業(yè)電磁仿真軟件在求解分析時需要大量的時間,這使得傳統(tǒng)的優(yōu)化方法需要很大的代價。隨著計算機技術的興起,一些快速的計算機輔助設計方法相繼出現(xiàn),人工神經網絡(Artificial Neural Network,ANN)便是其中之一。神經網絡雖然有著諸多優(yōu)點,但其訓練需要大量樣本的缺點使其在應用中十分耗時。知識神經網絡(knowledge-based artificial neural network,KBANN)的提出,降低了輸入與輸出之間的映射關系,減少了網絡訓練所需的樣本。本文在現(xiàn)有的知識神經網絡的基礎上,提出了更加簡單、自動化的知識神經網絡,主要工作如下:(1)簡單介紹了基本神經網絡模型,由此引入了知識神經網絡的概念,介紹了一些知識神經網絡,例如:差值模型、先驗知識注入模型以及知識基神經網絡模型。對研究所用的一些方法的基本原理進行說明,給后續(xù)研究奠定了扎實的基礎。(2)本文研究的重點在于如何構建先驗知識。研究了基于ADS(Advaced Design System)的知識神經網絡。其特點在于利用ADS獲取先驗知識,避免了公式的推導和網絡的訓練,使得先驗知識的獲取更加方便。將訓練好的網絡模型用于高低阻抗濾波器、微帶帶阻濾波器和微帶發(fā)卡濾波器的建模優(yōu)化,比較了不同知識神經元數(shù)和不同隱層神經元數(shù)對網絡性能的影響,并將測試結果與多層感知器神經網絡(Multi-layer perceptron neural networks,MLP neural networks)進行比較。將優(yōu)化得到的尺寸代入HFSS中,驗證其是否滿足設計指標要求。(3)研究了基于粗網格的知識神經網絡,并在雙層電磁帶隙(Electromagnetic Band-Gap,EBG)結構中進行了應用。將HFSS(High Frequency Structure Simulator)中粗網格剖分的分析結果作為先驗知識構成知識神經網絡,先將該方法用于高低阻抗濾波器進行簡單的驗證,接著將其用于雙層EBG結構進行建模和優(yōu)化。(4)研究了基于高斯過程的知識神經網絡,并在微帶天線中進行了應用。將高斯過程訓練好后作為先驗知識,采用先驗注入模型構成知識神經網絡。對微帶準八木天線和超寬帶平面單極子天線進行建模與優(yōu)化,并與采用精確模型和優(yōu)化算法相結合的方法進行時間上的比較。
[Abstract]:In this paper , a knowledge neural network ( ANN ) based on ADS ( knowledge - based artificial neural network , KBANN ) has been introduced , and some knowledge neural networks such as difference model , prior knowledge injection model and knowledge base neural network model have been introduced . ( 3 ) A knowledge neural network based on coarse mesh is studied and applied in the structure of electromagnetic band - gap ( EBG ) .
【學位授予單位】：江蘇科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP183;TN713;TN822

【參考文獻】

相關期刊論文 前10條

1 田毅貞;張齊軍;;知識型神經網絡的射頻/微波器件建模方法(英文)[J];電子科技大學學報;2011年06期

2 沙莎;彭濤;田雨波;;雙層EBG結構的優(yōu)化設計[J];壓電與聲光;2011年05期

3 文剛;;用于步進電機細分控制的知識人工神經網絡[J];現(xiàn)代電子技術;2011年07期

4 孫思揚;呂英華;張金玲;喇東升;趙志東;阮方鳴;;基于遺傳算法的超寬帶微帶天線優(yōu)化設計[J];電波科學學報;2011年01期

5 劉瑞江;張業(yè)旺;聞崇煒;湯建;;正交試驗設計和分析方法研究[J];實驗技術與管理;2010年09期

6 田雨波;董躍;;基于神經網絡集成的微帶天線諧振頻率建模[J];電波科學學報;2009年04期

7 王曉斌;石昭祥;;基于KBANN的調制識別仿真研究[J];計算機仿真;2009年03期

8 左濤;方蘭;趙新杰;馬維剛;葉明輝;閻少林;;基于Jacobi矩陣逆特征值的耦合系數(shù)矩陣提取[J];清華大學學報(自然科學版);2008年10期

9 魏洪波,黃席樾,喬宇,李婭,李偉;基于知識神經網絡的運載火箭彈道選擇[J];重慶大學學報(自然科學版);2005年11期

10 周暉杰,史定華;基于知識神經網絡的大腸桿菌啟動子識別算法的改進及C++實現(xiàn)[J];應用數(shù)學與計算數(shù)學學報;2004年02期

相關會議論文 前2條

1 杜白;徐金平;郭飛;;基于EBG結構的L波段四位數(shù)字移相器設計[A];2011年全國微波毫米波會議論文集（下冊）[C];2011年

2 趙德雙;王秉中;;非對稱帶狀線間隙的知識人工神經網絡建模[A];2001年全國微波毫米波會議論文集[C];2001年

相關博士學位論文 前3條

1 崔冬暖;耦合微帶線濾波器及UC-EBG結構多天線集成的應用基礎研究[D];北京郵電大學;2012年

2 謝歡歡;電磁帶隙結構及在天線設計中的應用研究[D];西安電子科技大學;2011年

3 洪勁松;新型傳輸線方程及知識人工神經網絡模型的研究[D];電子科技大學;2005年

相關碩士學位論文 前4條

1 丁衛(wèi)營;電磁問題中有限元快速求解方法的研究[D];南京理工大學;2014年

2 樓群;基于最優(yōu)估計的粒子群電磁空間映射算法的研究與應用[D];江蘇科技大學;2014年

3 陳兵洋;多層螺旋陣列EBG結構的性能研究及其在天線中的應用[D];清華大學;2012年

4 趙德雙;知識人工神經網絡在電磁工程中的應用[D];電子科技大學;2001年

，

本文編號：2105592