- 1、本文档共8页,其中可免费阅读7页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种高效的基于贝叶斯理论的人工神经网络微波器件建模方法,用于解决目前的微波器件神经网络建模方法繁琐耗时,难以满足日益提高的缩短微波器件和电路设计周期要求的问题。本方法首先找到对应的神经网络模型所需的最优的有效参数个数,然后通过这个最优的有效参数个数,计算得出所对应的神经网络模型的最优的隐藏层神经元个数,从而得到每个微波器件的神经网络模型的最优结构。此外,该方法可以直接嵌入到神经网络自动模型生成算法中,无论初始设置的隐藏层神经元个数是否接近最优值,均可以非常快速地找到对于当前微波器件建模
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112347704 A
(43)申请公布日 2021.02.09
(21)申请号 202011414317.1
(22)申请日 2020.12.03
(71)申请人 北京
文档评论(0)