基于1d类ResNet神经网络的腔体双极性调谐
机器学习
2025-10-20 v1 系统与控制
系统与控制
摘要
本文提出了一种机器学习方法，用于调谐具有大量调节螺钉的腔体双极性器。经过测试后，我们放弃了常规的强化学习方法，并将任务重新表述为监督学习设置。建议的神经网络架构包括1d类ResNet主干网络和对S参数的额外信息的处理，如曲线形状、峰值位置和振幅。这一神经网络配合外部控制算法，能够在每个螺钉的4-5次旋转内几乎达到双极性器的调谐状态。
引用
@article{arxiv.2510.15796,
title = {Cavity Duplexer Tuning with 1d Resnet-like Neural Networks},
author = {Anton Raskovalov},
journal= {arXiv preprint arXiv:2510.15796},
year = {2025}
}