申请/专利权人：东南大学

申请日：2020-07-06

公开（公告）日：2020-11-24

公开（公告）号：CN111985150A

主分类号：G06F30/27(20200101)

分类号：G06F30/27(20200101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明公开了一种利用机器学习辅助优化的多层电子器件鲁棒优化设计方法，该方法构建了一种多层的电子器件鲁棒优化设计架构，并在其每层中引入机器学习辅助优化方法，从而可以利用已有信息预测包括电子器件性能响应、特定输入容差下的最差性能和特定输出容差下的最大输入容差超容量等信息，大大加速电子器件鲁棒优化设计流程。该方法可用于包括天线、阵列、有源及无源微波毫米波器件等在内的电子器件的鲁棒优化设计等领域。

主权项：1.一种利用机器学习辅助优化的多层电子器件鲁棒优化设计方法，其特征在于，包括如下步骤：构建多层鲁棒优化架构，包括利用机器学习方法建立的电子器件设计参数与电子器件性能响应之间的第一代理模型、电子器件设计参数和输入容差与电子器件的最差性能之间的第二代理模型以及电子器件设计参数与其所对应的最大输入容差超容量之间的第三代理模型；所述第二代理模型学习的数据集利用第一代理模型对所采样得到的输入容差范围内的电子器件的最差性能进行搜索得到；所述第三代理模型学习的数据集针对给定的设计点，利用第二代理模型对满足输出容差范围的最大输入超容量进行搜索得到；利用上述三个代理模型，对电子器件的性能响应和鲁棒性性能进行预测、优化及验证，并通过迭代方法更新模型，从而加速电子器件鲁棒优化设计流程。

全文数据：

权利要求：

百度查询： 东南大学 利用机器学习辅助优化的多层电子器件鲁棒优化设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD