本文選題：知識神經(jīng)網(wǎng)絡(luò) + 粗網(wǎng)格��； 參考：《江蘇科技大學(xué)》2017年碩士論文

【摘要】：在對微波器件進(jìn)行建模優(yōu)化時,一般采用精確模型和優(yōu)化算法相結(jié)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(shù)的興起,一些快速的計算機輔助設(shè)計方法相繼出現(xiàn),人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)便是其中之一。神經(jīng)網(wǎng)絡(luò)雖然有著諸多優(yōu)點,但其訓(xùn)練需要大量樣本的缺點使其在應(yīng)用中十分耗時。知識神經(jīng)網(wǎng)絡(luò)(knowledge-based artificial neural network,KBANN)的提出,降低了輸入與輸出之間的映射關(guān)系,減少了網(wǎng)絡(luò)訓(xùn)練所需的樣本。本文在現(xiàn)有的知識神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了更加簡單、自動化的知識神經(jīng)網(wǎng)絡(luò),主要工作如下:(1)簡單介紹了基本神經(jīng)網(wǎng)絡(luò)模型,由此引入了知識神經(jīng)網(wǎng)絡(luò)的概念,介紹了一些知識神經(jīng)網(wǎng)絡(luò),例如:差值模型、先驗知識注入模型以及知識基神經(jīng)網(wǎng)絡(luò)模型。對研究所用的一些方法的基本原理進(jìn)行說明,給后續(xù)研究奠定了扎實的基礎(chǔ)。(2)本文研究的重點在于如何構(gòu)建先驗知識。研究了基于ADS(Advaced Design System)的知識神經(jīng)網(wǎng)絡(luò)。其特點在于利用ADS獲取先驗知識,避免了公式的推導(dǎo)和網(wǎng)絡(luò)的訓(xùn)練,使得先驗知識的獲取更加方便。將訓(xùn)練好的網(wǎng)絡(luò)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(jīng)元數(shù)和不同隱層神經(jīng)元數(shù)對網(wǎng)絡(luò)性能的影響,并將測試結(jié)果與多層感知器神經(jīng)網(wǎng)絡(luò)(Multi-layer perceptron neural networks,MLP neural networks)進(jìn)行比較。將優(yōu)化得到的尺寸代入HFSS中,驗證其是否滿足設(shè)計指標(biāo)要求。(3)研究了基于粗網(wǎng)格的知識神經(jīng)網(wǎng)絡(luò),并在雙層電磁帶隙(Electromagnetic Band-Gap,EBG)結(jié)構(gòu)中進(jìn)行了應(yīng)用。將HFSS(High Frequency Structure Simulator)中粗網(wǎng)格剖分的分析結(jié)果作為先驗知識構(gòu)成知識神經(jīng)網(wǎng)絡(luò),先將該方法用于高低阻抗濾波器進(jìn)行簡單的驗證,接著將其用于雙層EBG結(jié)構(gòu)進(jìn)行建模和優(yōu)化。(4)研究了基于高斯過程的知識神經(jīng)網(wǎng)絡(luò),并在微帶天線中進(jìn)行了應(yīng)用。將高斯過程訓(xùn)練好后作為先驗知識,采用先驗注入模型構(gòu)成知識神經(jīng)網(wǎng)絡(luò)。對微帶準(zhǔn)八木天線和超寬帶平面單極子天線進(jìn)行建模與優(yōu)化,并與采用精確模型和優(yōu)化算法相結(jié)合的方法進(jìn)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(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP183;TN713;TN822

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田毅貞;張齊軍;;知識型神經(jīng)網(wǎng)絡(luò)的射頻/微波器件建模方法(英文)[J];電子科技大學(xué)學(xué)報;2011年06期

2 沙莎;彭濤;田雨波;;雙層EBG結(jié)構(gòu)的優(yōu)化設(shè)計[J];壓電與聲光;2011年05期

3 文剛;;用于步進(jìn)電機細(xì)分控制的知識人工神經(jīng)網(wǎng)絡(luò)[J];現(xiàn)代電子技術(shù);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(shè)計[J];電波科學(xué)學(xué)報;2011年01期

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

6 田雨波;董躍;;基于神經(jīng)網(wǎng)絡(luò)集成的微帶天線諧振頻率建模[J];電波科學(xué)學(xué)報;2009年04期

7 王曉斌;石昭祥;;基于KBANN的調(diào)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(xué)學(xué)報(自然科學(xué)版);2008年10期

9 魏洪波,黃席樾,喬宇,李婭,李偉;基于知識神經(jīng)網(wǎng)絡(luò)的運載火箭彈道選擇[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2005年11期

10 周暉杰,史定華;基于知識神經(jīng)網(wǎng)絡(luò)的大腸桿菌啟動子識別算法的改進(jìn)及C++實現(xiàn)[J];應(yīng)用數(shù)學(xué)與計算數(shù)學(xué)學(xué)報;2004年02期

相關(guān)會議論文 前2條

1 杜白;徐金平;郭飛;;基于EBG結(jié)構(gòu)的L波段四位數(shù)字移相器設(shè)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(jīng)網(wǎng)絡(luò)建模[A];2001年全國微波毫米波會議論文集[C];2001年

相關(guān)博士學(xué)位論文 前3條

1 崔冬暖;耦合微帶線濾波器及UC-EBG結(jié)構(gòu)多天線集成的應(yīng)用基礎(chǔ)研究[D];北京郵電大學(xué);2012年

2 謝歡歡;電磁帶隙結(jié)構(gòu)及在天線設(shè)計中的應(yīng)用研究[D];西安電子科技大學(xué);2011年

3 洪勁松;新型傳輸線方程及知識人工神經(jīng)網(wǎng)絡(luò)模型的研究[D];電子科技大學(xué);2005年

相關(guān)碩士學(xué)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(xué);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(yīng)用[D];江蘇科技大學(xué);2014年

3 陳兵洋;多層螺旋陣列EBG結(jié)構(gòu)的性能研究及其在天線中的應(yīng)用[D];清華大學(xué);2012年

4 趙德雙;知識人工神經(jīng)網(wǎng)絡(luò)在電磁工程中的應(yīng)用[D];電子科技大學(xué);2001年

，

本文編號：2105592