인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
In the process of antenna design, surrogate models can generally be used, but modeling requires a large number of samples. Although full wave electromagnetic simulation software can handle this task, obtaining a large number of samples is time-consuming, however too small number of sample may lead to lower accuracy of the trained surrogate model. Inspired by semi-supervised learning methods, this paper uses Siamese convolutional neural networks (SCNN) and K-nearest neighbor (KNN) algorithms to generate highly reliable virtual samples and expand the training sample set, further improving the accuracy and robustness of the surrogate model by exploiting Gaussian process (GP) models. The proposed method is named SCNN-KNN-GP, which is used for the design of WLAN dual band monopole antennas. Moreover, the relationships between the performance of the proposed model and the increased number of virtual samples and the coefficient of the KNN are studied, resulting in a more excellent surrogate model structure.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
