面向高维周期结构基于模型的深度学习
信号处理
2023-09-22 v1 机器学习
摘要
本工作提出一种用于高维频率选择表面快速仿真的深度学习代理模型。我们考虑由多个串联屏堆叠构成的单元胞，其设计需控制众多几何自由度。得益于将物理洞察引入模型，该模型在经缩减数据集训练后，可对特定结构的 S 参数给出准确预测。所提模型高度通用，可用于任意类型的频率选择表面，无论基于穿孔还是任意几何形状的贴片。本文给出由带矩形穿孔屏构成的频率选择表面的数值示例，显示预测性能与全波仿真器所得结果高度吻合。
引用
@article{arxiv.2309.12223,
title = {Model-based Deep Learning for High-Dimensional Periodic Structures},
author = {Lucas Polo-López and Luc Le Magoarou and Romain Contreres and María García-Vigueras},
journal= {arXiv preprint arXiv:2309.12223},
year = {2023}
}