基于深度学习的设计方法,用于声学地表和表面双特征融合.
Qiang Lv1, Huanlong Zhao1, Zhen Huang1
1School of Electrical and Electronic Engineering, Wuhan Polytechnic University, Wuhan 430048, China.
Materials (Basel, Switzerland)
|May 11, 2024
概括
深度学习通过准确预测声场,加速了超表面设计. 这种方法克服了试错的局限性,使得先进的声学元表面的开发速度更快.
科学领域:
- 声学 声学 在声学方面
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 地表设计传统上依赖于低效的试错方法,需要广泛的声学专业知识.
- 这种依赖手动代的做法极大地阻碍了超表面领域的进步.
研究的目的:
- 通过深度学习开发一种快速而准确的超表面设计方法.
- 建立一个预测模型,以确定地表物理参数和声学场之间的关系.
- 引入一种新的双特征融合卷积神经网络 (DFCNN),用于增强声场预测.
主要方法:
- 采用集成学习方法来建模超表面物理结构参数与声场之间的前向映射,以增强数据.
- 提出了一个双特征融合卷积神经网络 (DFCNN),将数据驱动的高维非线性特征与物理信息的声场特征集成.
- 卷积神经网络促进了特征融合,而遗传算法优化了网络参数.
主要成果:
- 综合学习模型的准确性很高,90%的真实和预测的声音场数据之间的误差小于3dB.
- 拟议的DFCNN模型表现出色,其中93%在局部声场强度预测中达到了不到5dB的误差.
- 验证了通用化能力,证实了开发的网络模型的有效性和稳定性.
结论:
- 深度学习,特别是DFCNN方法,在超表面设计的传统方法上提供了显著的进步.
- 开发的模型提供了一种快速,准确和数据驱动的解决方案,用于预测声场,加速超表面的研究和开发.
- 这项工作为更高效和更复杂的声学超表面应用铺平了道路.
相关概念视频
01:23Design Example
325
The innovation of touch-tone telephony revolutionized the telecommunications industry by replacing the traditional rotary dial with a dual-tone multi-frequency (DTMF) signaling system. This system uses a matrix-style keypad with buttons arranged in four rows and three columns, creating 12 distinct signals each assigned to a pair of frequencies. Each button press results in a simultaneous generation of two sinusoidal tones – one from a low-frequency group (697 to 941 Hz) and one from a...
325
01:12Double Resonance Techniques: Overview
199
Double resonance techniques in Nuclear Magnetic Resonance (NMR) spectroscopy involve the simultaneous application of two different frequencies or radiofrequency pulses to manipulate and observe two distinct nuclear spins. One important application of double resonance is spin decoupling, which selectively suppresses coupling with one type of nucleus while observing the NMR signal from another nucleus, simplifying the spectrum and enhancing resolution.
Spin decoupling is usually achieved by...
Spin decoupling is usually achieved by...
199