申请/专利权人:厦门大学
申请日:2023-11-28
公开(公告)日:2024-04-23
公开(公告)号:CN117917669A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/17;G06N3/0464;G06F111/08
优先权:
专利状态码:在审-公开
法律状态:2024.04.23#公开
摘要:公开了一种基于多输出神经网络Multi‑OutputNeuralNetwork,MONN的算法模型,用于声表面波谐振器的逆向设计,包括:利用电磁仿真软件,给定声表面波谐振器物理模型结构参数,进行建模,计算得到所对应的导纳响应,随机生成所需的样本数据集;对收集的实验数据进行预处理,所述步骤包括数据清洗、归一化和特征提取;构建MONN模型,应用样本数据集为样本训练MONN模型,建立结构参数与导纳响应的映射关系,评估算法的性能;基于训练好的MONN算法模型,进行声表面波谐振器的结构参数预测。本发明基于多输出神经网络的声表面波谐振器逆向设计方法,对于同一条导纳曲线的结构参数预测,能提供多种参考方案,减少硬件和设计时间成本,易于推广其它微波声学元件模型中。
主权项:1.一种基于多输出神经网络的声表面波谐振器逆向设计方法,其特征在于,该方法步骤如下:S1,利用电磁仿真软件,给定声表面波谐振器物理模型结构参数,进行建模,计算得到所对应的导纳响应,随机生成所需的样本数据集;S2,对收集的实验数据进行预处理,包括数据清洗、归一化和特征提取;S3,构建MONN模型,应用样本数据集为样本训练MONN模型,建立结构参数与导纳响应的映射关系,评估算法的性能;S4,基于训练好的MONN模型,进行声表面波谐振器的结构参数预测。
全文数据:
权利要求:
百度查询: 厦门大学 一种基于多输出神经网络的声表面波谐振器逆向设计方法及系统
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。