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。

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