論文の概要: HyperHyperNetworks for the Design of Antenna Arrays

• arxiv url: http://arxiv.org/abs/2105.03838v1
• Date: Sun, 9 May 2021 05:21:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 14:26:54.740170
• Title: HyperHyperNetworks for the Design of Antenna Arrays
• Title（参考訳）: アンテナアレイ設計のためのHyperHyperNetworks
• Authors: Shahar Lutati, Lior Wolf
• Abstract要約: アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。 単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。 学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present deep learning methods for the design of arrays and single instances of small antennas. Each design instance is conditioned on a target radiation pattern and is required to conform to specific spatial dimensions and to include, as part of its metallic structure, a set of predetermined locations. The solution, in the case of a single antenna, is based on a composite neural network that combines a simulation network, a hypernetwork, and a refinement network. In the design of the antenna array, we add an additional design level and employ a hypernetwork within a hypernetwork. The learning objective is based on measuring the similarity of the obtained radiation pattern to the desired one. Our experiments demonstrate that our approach is able to design novel antennas and antenna arrays that are compliant with the design requirements, considerably better than the baseline methods. We compare the solutions obtained by our method to existing designs and demonstrate a high level of overlap. When designing the antenna array of a cellular phone, the obtained solution displays improved properties over the existing one.
• Abstract（参考訳）: アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。 各設計インスタンスはターゲットの放射パターンに基づいて構成されており、特定の空間次元に適合し、その金属構造の一部として所定の位置を含む必要がある。 このソリューションは、単一のアンテナの場合、シミュレーションネットワーク、ハイパーネットワーク、リファインメントネットワークを組み合わせた複合ニューラルネットワークに基づいている。 アンテナアレイの設計では、追加の設計レベルを追加し、ハイパーネットワーク内のハイパーネットワークを採用します。 学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。 実験により,提案手法は,設計要件に準拠した新しいアンテナとアンテナアレイを,ベースライン法よりもかなり優れた設計が可能であることを実証した。 提案手法で得られた解と既存設計との比較を行い,高い重なり合いを示す。 携帯電話のアンテナアレイを設計する際、得られたソリューションは既存のアンテナよりも改善された特性を示す。

関連論文リスト

• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Image Classifier Based Generative Method for Planar Antenna Design [33.121376096111355]
  印刷回路基板(PCB)上にアンテナ設計を拡張する手法を提案する。 幾何学的寸法と位置を決定するために2つの別々のステップを踏むことで、アンテナの試作機は経験を必要とせずに容易にすることができる。
  論文  参考訳（メタデータ） (2023-12-16T19:43:05Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• Antenna Array Calibration Via Gaussian Process Models [0.0]
  アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。 アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。 まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。 一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
  論文  参考訳（メタデータ） (2023-01-16T19:40:50Z)
• A Machine Learning Generative Method for Automating Antenna Design and Optimization [9.438718097561061]
  異なるノードを接続することで任意の形状を形成できるメッシュネットワークの概念を取り入れたフレキシブルな幾何学的スキームを導入する。 広帯域なデュアル共振アンテナの設計では,提案手法はTrust Region Frameworkと同等であり,他の成熟した機械学習アルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2022-02-28T21:30:37Z)
• A Reusable Framework Based on Reinforcement Learning to Design Antennas for Curved Surfaces [0.0]
  この研究は小さなアンテナを識別する方法論を追求し、いくつかの類似点を示す。 目的は、金属管の表面に効率よく取り付けられるアンテナを特定することである。 その動機は、視覚的な衝撃を減らし、アンテナの放射パターンを最適化することである。
  論文  参考訳（メタデータ） (2020-11-24T14:35:23Z)
• Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
  大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。 本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-08T12:48:06Z)
• Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
  再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。 カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。 本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
  論文  参考訳（メタデータ） (2020-09-03T12:27:22Z)
• Machine Learning-aided Design of Thinned Antenna Arrays for Optimized Network Level Performance [19.17059890143665]
  本稿では,アンテナ設計のシミュレーションに基づく最適化を実現する機械学習フレームワークを提案する。 学習手法が複雑なシミュレータをモデストデータセットでエミュレートする方法を示す。 以上の結果から,提案手法をアンテナアレイの最適化に有効に適用できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-25T15:34:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。