公开(公告)号：CN118278281A

公开(公告)日：2024-07-02

申请号：CN202410423755.6

申请日：2024-04-09

Applicant: 北京工业大学

Inventor： 那伟聪 ,  白太琦 ,  刘文旭 ,  张万荣 ,  谢红云 ,  金冬月

IPC: G06F30/27 ,  G06N3/0499

Abstract: 一种基于电磁灵敏度分析与伴随人工神经网络的微波器件自适应建模方法涉及微波器件建模领域。本发明提出了一种结合电磁灵敏度信息和导数插值技术的新型自适应采样策略，确保用最少的样本获得最精确的人工神经网络(ANN)模型。此外，还提出了一种伴随ANN结构自适应调整算法，以自动确定微波建模问题所需的最优ANN结构。通过在采样和结构调整中同时使用电磁数据和电磁灵敏度信息，使微波器件的自动建模效率得到了有效提高。

公开(公告)号：CN114462232A

公开(公告)日：2022-05-10

申请号：CN202210097217.3

申请日：2022-01-26

Applicant: 北京工业大学

Inventor： 那伟聪 ,  刘文旭 ,  刘可 ,  张万荣 ,  谢红云 ,  金冬月

IPC: G06F30/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多层神经网络模型结构自适应的微波器件建模方法，属于微波器件建模领域，用于解决基于人工神经网络的微波器件建模中确定最优模型结构的问题。本发明提出一种基于多层神经网络模型结构自适应的微波器件建模方法，通过采用全新的多层神经网络模型结构，结合基于l1正则化的误差函数来训练该神经网络模型，实现了模型隐藏层层数和每个隐藏层中神经元个数的同时调节，最终获得最优的模型结构。本发明方法可以针对不同的微波建模问题，自适应获得不同的最优模型结构，可在实际使用中节省模型开发的时间，具有灵活和高效的优势。

公开(公告)号：CN114462232B

公开(公告)日：2024-12-10

申请号：CN202210097217.3

申请日：2022-01-26

Applicant: 北京工业大学

Inventor： 那伟聪 ,  刘文旭 ,  刘可 ,  张万荣 ,  谢红云 ,  金冬月

IPC: G06F30/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于多层神经网络模型结构自适应的微波器件建模方法，属于微波器件建模领域，用于解决基于人工神经网络的微波器件建模中确定最优模型结构的问题。本发明提出一种基于多层神经网络模型结构自适应的微波器件建模方法，通过采用全新的多层神经网络模型结构，结合基于l1正则化的误差函数来训练该神经网络模型，实现了模型隐藏层层数和每个隐藏层中神经元个数的同时调节，最终获得最优的模型结构。本发明方法可以针对不同的微波建模问题，自适应获得不同的最优模型结构，可在实际使用中节省模型开发的时间，具有灵活和高效的优势。