首页> 中国专利> 基于深度学习神经网络的全介质超材料滤波器传输特性的快速预测与反向结构设计方法

基于深度学习神经网络的全介质超材料滤波器传输特性的快速预测与反向结构设计方法

摘要

本发明公开了一种基于深度学习神经网络(Deep Learning Neural Network,DLNN)的全介质超材料滤波器传输特性的快速预测与反向结构设计方法,该方法通过大量的模拟数据来训练神经网络,寻找滤波器结构与透射响应之间的对应关系并对其进行建模,避开了传统的数学物理计算,以实现传输特性的快速预测以及对具有特定频谱响应的全介质超材料滤波器的按需结构设计。算法实现简单且鲁棒性高,模型的建立和训练皆为一次性成本,大大节省了响应计算和结构设计时间,且易于移植。

著录项

  • 公开/公告号CN109962688A

    专利类型发明专利

  • 公开/公告日2019-07-02

    原文格式PDF

  • 申请/专利权人 北京邮电大学;

    申请/专利号CN201910272348.9

  • 发明设计人 高泽华;吴海莲;兰楚文;

    申请日2019-04-04

  • 分类号

  • 代理机构

  • 代理人

  • 地址 100876 北京市海淀区西土城路10号

  • 入库时间 2024-02-19 11:27:57

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2019-07-02

    公开

    公开

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号