Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学长三角研究院(湖州)杨雪松获国家专利权

电子科技大学长三角研究院(湖州)杨雪松获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉电子科技大学长三角研究院(湖州)申请的专利一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115587530B

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211128979.1,技术领域涉及:G06F30/27;该发明授权一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法是由杨雪松;黄昊设计研发完成,并于2022-09-16向国家知识产权局提交的专利申请。

一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法在说明书摘要公布了:本发明公开了一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法,属于微波天线设计技术领域,本发明所述方法包括以下步骤:样本数据的生成、样本数据的分类、对神经网络进行预训练、判断生成的去耦结构是否满足优化指标和根据设计需要对神经网络进行微调五个步骤。本发明所述方法结合机器学习技术,通过对样本集里去耦结构的形状特征进行分析和学习,提取形状特征,交由自编码器神经网络进行学习,从而使完成训练的神经网络模型具有设计高性能天线去耦结构的能力;可以用于各类平面电磁结构的优化与设计;能够根据隔离度要求优化其对应的去耦结构,将其用于天线智能化设计,可以显著提高天线设计效率。

本发明授权一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法在权利要求书中公布了:1.一种基于遮掩式自编码器的天线去耦结构的机器学习优化方法,其特征在于,包括以下步骤:步骤1.样本数据的生成批量生成N个随机形状作为去耦结构的形状,N为正整数,将去耦结构形状不同、其他尺寸参数相同的二单元微带天线俯视图作为样本集的输入数据,天线俯视图中的辐射贴片颜色与介质基板颜色不同;利用电磁仿真软件对N个去耦结构形状不同、其他尺寸参数相同的二单元微带天线进行批量仿真,获得设定频段内的N组反射系数和传输系数作为样本集的数据;样本集中的样本数据分为训练数据和测试数据;步骤2.样本数据的分类步骤2-1.根据所设定频段的范围和样本集内反射系数和传输系数的数值分布,确定需要分类的类别数目;步骤2-2.对样本集内所有样本进行基于K-means的分类;步骤2-3.将每个样本都标注其类别编号;步骤3.将训练样本中类别编号与随机遮掩的隔离结构的图片作为自编码器神经网络的输入,完整隔离结构的形状图片作为神经网络的输出,对神经网络进行预训练;步骤4.判断完成训练的模型的输出的结构是否满足优化指标;步骤4-1.确定好初始结构,运行一次模型,得到模型输出的完整结构;步骤4-2.使用仿真软件验证输出的结构是否满足优化指标,满足即结束优化流程,不满足转步骤5;步骤5.根据设计需要对完成预训练的神经网络进行微调;步骤5-1.收集新产生的样本,并将其根据现有的样本进行基于K-nearestneighbor的分类;步骤5-2.使用新样本所在的类别与优化目标所在的类别的所有样本对解码网络进行继续训练;步骤5-3.转步骤4。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人电子科技大学长三角研究院(湖州),其通讯地址为:313000 浙江省湖州市西塞山路819号南太湖科技创新综合体B2幢8层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。