Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв
Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування.
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв
Искусственные нейронные сети как аппроксимирующий аппарат в задачах проектирования радиотехнических устройств Artificial neural networks as approximate procedure in wireless devices designing problems |
|
| Creator |
Adamenko, V. O.; Національний технічний університет України “Київський політехнічний інститут”
Mirskikh, G. A.; Національний університет біоресурсів і природокористування України, м. Київ |
|
| Subject |
штучна нейронна мережа; частотно-вибіркові мікрохвильові пристрої; апроксимація характеристик;оптимальна конфігурація НМ
искусственная нейронная сеть; частотноизбирательные микроволновые устройства; аппроксимация характеристик; оптимальная конфигурация НС artificial neural network, frequency-selective microwave devices; approximation characteristics, optimal configuration of neural network |
|
| Description |
Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв. В роботі розглянуто переваги застосування НМ в якості апроксимаційного апарата в задачах проектування частотовибіркових НВЧ пристроїв. Визначено та проаналізовано час та похибку навчання НМ різної конфігурації (кількість шарів та нейронів у кожному шарі) при апроксимації s-параметрів МДФ з різною кількістю резонаторів. Досліджено динаміку зміни похибки при використанні різних методів навчання НМ та проведено вибір оптимального методу навчання з врахуванням затраченого часу та похибки.
В работе рассмотрены преимущества применения нейронных сетей (НС) в качестве аппроксимирующего аппарата в задачах проектирования частотоизбирательных СВЧ устройств. Определено и проанализировано время и погрешность обучения НС разной конфигурации (количество слоев и нейронов в каждом слое) при аппроксимации s-параметров МДФ с разным количеством резонаторов. Исследовано динамику изменения погрешности во время использовании разных методов обучения НС и проведен выбор оптимального метода обучения с учетом затраченого времени и погрешности. Purpose. Present work is dedicated to the optimal configuration selection and training method of neural network (NN). This NN is architecture's element of modified NN ensemble accepted by authors for implementation of frequency-selective microwave devices design algorithms. Optimal configuration determining of NN. Optimal configuration determining of NN was received by analyzing the results of test NN training with different number of layers and neurons in these layers. The main parameters optimal configuration determining of NN is the approximation quality and total learning time. Choosing of optimal teaching method. NN training methods comparison was carried out for 7 popular training methods: Levenberg-Marquardt backpropagation, BFGS quasi-Newton backpropagation, Bayesian regulation backpropagation, Conjugate gradient backpropagation with Powell-Beale restarts, Gradient descent backpropagation, Gradient descent with momentum backpropagation and Resilient backpropagation. Conclusions. NN using allows to approximate complex features of microwave devices, such as frequency dependencies of S – parameters etc. The approximation accuracy depends on configuration and method of NN training. Increasing the number of NN layers leads to improvement of approximate characteristics. According to our results the most effective is usage of 4 layers and the number of neurons in each layer should be over the range 10 to 20. Optimal training method for complex characteristics is Bayesian regulation backpropagation, for time training reduction can be used Levenberg-Marquardt backpropagation. |
|
| Publisher |
National Technical University of Ukraine
|
|
| Date |
2012-12-25
|
|
| Type |
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion |
|
| Format |
application/pdf
|
|
| Identifier |
http://radap.kpi.ua/radiotechnique/article/view/290
|
|
| Source |
BULLETIN of National Technical University of Ukraine. Series RADIOTECHNIQUE. RADIOAPPARATUS BUILDING; № 51 (2012); 41-49
Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування; № 51 (2012); 41-49 Вестник НТУУ "КПИ". Серия Радиотехника, Радиоаппаратостроение; № 51 (2012); 41-49 |
|
| Language |
ukr
|
|
| Relation |
http://radap.kpi.ua/radiotechnique/article/view/290/438
|
|
| Rights |
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
|
|