改进的实证公式建模方法使用神经空间映射对结合的微条纹线路
Shuxia Yan1,2, Fengqi Qian1, Chenglin Li1
1School of Electronics and Information Engineering, Tiangong University, Tianjin 300387, China.
Micromachines
|August 26, 2023
概括
这项研究引入了一种改进的实证公式,用于使用神经空间映射 (Neuro-SM) 建模合的微条线. 该方法提高了准确性,加快了优化速度,比当前的模拟软件提供了更好的兼容性.
科学领域:
- 电气工程 电气工程
- 计算电磁学 计算机电磁学
- 微波工程 微波工程
背景情况:
- 结合的微条线是高频电路中的基本组件.
- 准确的建模对于设备性能和模拟效率至关重要.
- 现有的实证模型往往涉及缓慢的试错过程.
研究的目的:
- 为结合的微条纹线路提出一个改进的实证公式建模方法.
- 通过绘制神经网络 (MNN) 提高模型准确性并减少可变依赖性.
- 通过集成的灵敏度分析来加速优化过程.
主要方法:
- 使用神经空间映射 (Neuro-SM) 进行实证公式建模.
- 使用与几何和频率变量映射神经网络 (MNN).
- 将简单的灵敏度分析表达式纳入培训过程.
主要成果:
- 拟议的Neuro-SM模型准确地反映了合的微条形线条的性能.
- 该模型与传统方法相比,在较少的变量中实现了高精度.
- 集成的灵敏度分析显著加快了优化过程.
结论:
- 开发的Neuro-SM模型为合微条线分析提供了准确和高效的方法.
- 该模型与现有的模拟软件相比,显示出更高的兼容性.
- 这种方法为高频电路设计和模拟提供了一个有希望的替代方案.


