Indexed by：
Abstract：
本发明涉及一种高效的基于贝叶斯理论的人工神经网络微波器件建模方法，用于解决目前的微波器件神经网络建模方法繁琐耗时，难以满足日益提高的缩短微波器件和电路设计周期要求的问题。本方法首先找到对应的神经网络模型所需的最优的有效参数个数，然后通过这个最优的有效参数个数，计算得出所对应的神经网络模型的最优的隐藏层神经元个数，从而得到每个微波器件的神经网络模型的最优结构。此外，该方法可以直接嵌入到神经网络自动模型生成算法中，无论初始设置的隐藏层神经元个数是否接近最优值，均可以非常快速地找到对于当前微波器件建模问题来说最优的神经网络模型结构。该方法与现有技术相比，大大缩短了建模时间，提高了建模效率。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： CN202011414317.1
Filing Date： 2020-12-03
Publication Date： 2023-10-20
Pub. No.： CN112347704B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
