忍者最適化アルゴリズムに基づく超広帯域アンテナ電磁バンドギャップの生成敵対的ネットワークによるモデリング

科学分野:

• 電磁工学
• アンテナ理論
• 無線通信システム

背景:

• 電磁バンドギャップ（EBG）構造を備えた超広帯域（UWB）アンテナは、次世代の無線およびエネルギー効率の高い通信に不可欠です。
• これらのアンテナは、広範なスペクトルカバレッジ、高利得、および干渉の低減を提供し、高度なシステムに不可欠です。
• UWBアンテナ-EBG性能の正確なモデリングと予測は、設計と最適化に不可欠です。

研究 の 目的:

• UWBアンテナ-EBG構成の電磁性能のモデリングと予測のためのインテリジェント予測フレームワークを開発すること。
• 敵対的学習と忍者最適化アルゴリズム（NOA）を組み合わせることで、サロゲートモデリングの精度と堅牢性を強化すること。
• UWBアンテナ-EBGの設計と最適化のための、効率的でスケーラブルかつ高精度のモデリングパスウェイを確立すること。

主な方法:

• 性能予測のために、生成敵対的ネットワーク（GAN）と忍者最適化アルゴリズム（NOA）を統合しました。
• 提案されたNOA-GANフレームワークと、LSTM、GRU、RNN、ANNなどの他の深層学習モデルとの比較。
• PSO-GAN、BA-GAN、DE-GANなどのハイブリッド最適化戦略に対するフレームワークの堅牢性のベンチマーキング。

主要な成果:

• NOAで調整されたGANは、平均二乗誤差[数式：本文参照]、二乗平均平方根誤差[数式：本文参照]、および決定係数[数式：本文参照]で優れた予測精度を達成しました。
• 忍者最適化アルゴリズムは、学習の安定性、収束速度、および汎化性能を大幅に向上させました。
• このフレームワークは、他のハイブリッド最適化戦略と比較して、競争力のある堅牢性を示しました。

結論:

• 提案されたNOA強化GANは、UWBアンテナ-EBG構造に対して、効率的でスケーラブルかつ高精度のモデリングパスウェイを提供します。
• このフレームワークは、アンテナ設計の改善を通じて、インテリジェント通信および再生可能エネルギーシステムの進歩に貢献します。
• インテリジェント予測フレームワークは、複雑な電磁システムの最適化において大きな前進を提供します。