首页|基于迭代重加权最小二乘宽度学习系统的微波天线谐振频率建模

基于迭代重加权最小二乘宽度学习系统的微波天线谐振频率建模

Resonant frequency modeling of microwave antenna based on iterative reweighted least square broad learning system

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了克服深度学习训练过度耗时的弊端,提出宽度学习系统(BLS),使用岭回归算法求解输出权重,极大地方便了训练过程,对于大样本而言,此做法高效且快速.然而,在处理微波器件这类小样本电磁问题上,则大大限制了模型的拟合能力.为了进一步提升模型的性能,针对小样本的回归问题,将迭代重加权最小二乘算法(IRLS)与宽度学习算法相结合,配合网格搜索法以确定模型的最佳结构.通过对矩形和圆形两种微带天线谐振频率的预测,并与一些主流的算法对比,证实了迭代重加权最小二乘宽度学习系统(IRLS-BLS)的有效性.

丁伟桐、李鹏飞、袁慧宁、田雨波

展开 >

江苏科技大学海洋学院,镇江212100

宽度学习系统 岭回归算法 迭代重加权最小二乘算法 网格搜索法

国家自然科学基金

61771225

2022

10.11917/j.issn.1673-4807.2022.05.011

江苏科技大学学报(自然科学版)
江苏科技大学

江苏科技大学学报(自然科学版)

北大核心
影响因子：0.373
ISSN：1673-4807
年,卷(期)：2022.36(5)
  • 4