摘要:针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L1/2范数的贝叶斯正则化神经网络逆向建模方法,L^(1/2)正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力。将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程。实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83%、9.30%和9.00%,运行时间分别减少了99.34%、99.40%和99.23%,解决了设计中的多解问题,可用于设计射频微波器件。
关键词:神经网络 逆向建模 贝叶斯正则化 doherty功率放大器
单位:辽宁工程技术大学电子与信息工程学院; 辽宁葫芦岛125105
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Journal of Hydrodynamics Journal of Arid Land Pedosphere Applied Geophysics Asian Journal of Andrology Journal of Genetics and Genomics Tsinghua Science and Technology Chinese Journal of Oceanology and Limnology Journal of Computer Science and Technology Plasma Science and Technology相关范文
doc行业调研报告