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！

龙图腾网获悉西安电子科技大学申请的专利基于卷积神经网络的无源器件综合方法及相关装置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：CN119358477B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411926203.3，技术领域涉及：G06F30/3308；该发明授权基于卷积神经网络的无源器件综合方法及相关装置是由权星;栾善程;张胜洲;吴炎辉;高晓强;杨英豪;詹劲松设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本基于卷积神经网络的无源器件综合方法及相关装置在说明书摘要公布了：本发明公开了基于卷积神经网络的无源器件综合方法及相关装置，属于毫米波、太赫兹无源器件设计领域，所述方法包括以下步骤：像素化多个任意无源网络结构并对所述像素化后的多个任意无源网络结构进行电磁仿真，得到二维矩阵及对应的S参数；利用对抗生成网络扩充S参数与二维矩阵对应的数据集；基于所述二维矩阵和对应的S参数，利用关系拟合模型构建二维矩阵和S参数的函数拟合关系；基于二维矩阵和S参数的函数拟合关系，通过全局优化算法对S参数进行优化得到最优无源网络结构，实现无源器件综合。本发明能够解决无源网络的S参数与拓扑结构之间的关系解析困难的问题。

本发明授权基于卷积神经网络的无源器件综合方法及相关装置在权利要求书中公布了：1.一种基于卷积神经网络的无源器件综合方法，其特征在于，包括以下步骤： 利用二维矩阵像素化多个任意无源网络结构，对所述像素化后的多个任意无源网络结构进行电磁仿真，得到无源网络结构参数的二维矩阵及对应的电磁仿真S参数； 对所述无源网络结构参数的二维矩阵及对应电磁仿真的S参数进行数据集扩充，得到扩充后无源网络结构参数的二维矩阵及对应的电磁仿真S参数； 基于所述扩充后无源网络结构参数的二维矩阵及对应的电磁仿真S参数，利用关系拟合模型构建无源网络结构参数的二维矩阵和S参数的函数拟合关系； 基于所述无源网络结构参数的二维矩阵和S参数的函数拟合关系，通过全局优化算法对S参数进行优化得到最优无源网络结构，实现无源器件综合； 所述对所述无源网络结构参数的二维矩阵及对应的S参数进行数据集扩充的步骤，具体包括：将所述无源网络结构参数的二维矩阵和S参数分别作为生成对抗网络的输入和输出，得到扩充后无源网络结构参数的二维矩阵及对应的S参数； 所述关系拟合模型的建立过程为：将所述无源网络结构参数的二维矩阵和S参数分别作为卷积神经网络的输入和输出，对所述卷积神经网络训练验证得到所述关系拟合模型； 所述通过全局优化算法对所述S参数进行优化得到最优无源网络结构，具体为：采用遗传算法对所述S参数进行优化得到最优无源网络结构； 所述采用遗传算法对所述S参数进行优化得到最优无源网络结构的步骤，具体包括： 随机生成4096个任意无源网络结构对应的随机无源网络结构参数的二维矩阵构成父代，基于所述无源网络结构参数的二维矩阵和S参数的函数拟合关系，利用关系拟合模型预测所述随机无源网络结构参数的二维矩阵对应的S参数，该S参数称为预测S参数； 以预测S参数和期望S参数之间的均方差作为代价函数计算所述预测S参数和期望S参数之间的误差，从所述误差中筛选出最小误差，并获取16个最小误差对应无源网络结构参数的二维矩阵； 在父代中随机选择512个无源网络结构参数的二维矩阵并在其中筛选两个所述误差最小所对应的二维矩阵进行交叉产生一个子代，重复该步骤直至所述子代的数目等于所述父代的数目； 根据所述16个最小误差对应的所述无源网络结构参数的二维矩阵和子代更新所述父代，重复上述步骤直至达到预设更新次数后，得到最优无源网络结构； 所述卷积神经网络中的卷积层后依次连接归一化层和激活层，所述卷积神经网络中的全连接层后依次连接归一化层、激活层和随机失活层，所述激活层中加入LeakyReLU函数。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；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”。