|
|||||
|
|
| 基于深度卷积神经网络的超材料微带天线拓扑结构性能预测 | |
| 作者姓名： | 尹家龙 董焱章 王全伟 |
| 作者单位： | 1.湖北汽车工业学院汽车工程学院;2.汽车动力传动与电子控制湖北省重点实验室 |
| 基金项目： | 国家自然科学基金（11502075）;湖北省自然科学基金（2022CFB457）;汽车零部件技术湖北省协同创新项目（2015XTZX0401）;湖北汽车工业学院博士科研启动基金（BK201501）; |
| 摘 要： | 基于卷积神经网络模型,建立了超材料微带天线拓扑结构布置图-增益性能数据库,实现了超材料微带天线拓扑结构性能预测。针对数据库预测精度不足的问题,改进卷积神经网络结构模型,引入了深度卷积方法和反向残差结构等。改进后的数据库性能比较优良,损失函数下降至0.008,且在验证集上达到了99%的预测准确率,验证了基于深度卷积神经网络的超材料微带天线拓扑结构性能预测的有效性。 |
| 关 键 词： | 深度学习 卷积神经网络 超材料 拓扑优化 图像处理 |