Fugu-MT 論文翻訳(概要): Design of Resistive Frequency Selective Surface based Radar Absorbing Structure-A Deep Learning Approach

論文の概要: Design of Resistive Frequency Selective Surface based Radar Absorbing Structure-A Deep Learning Approach

arxiv url: http://arxiv.org/abs/2502.19151v1
Date: Wed, 26 Feb 2025 14:09:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-27 14:55:27.267245
Title: Design of Resistive Frequency Selective Surface based Radar Absorbing Structure-A Deep Learning Approach
Title（参考訳）: 抵抗周波数選択面を用いたレーダ吸収構造の設計-深層学習アプローチ
Authors: Vijay Kumar Sutrakar, Nikhil Morge, Anjana PK, Abhilash PV,
Abstract要約: 提案手法は, 単ユニットセルを用いた各種レーダ吸収構造の低コスト設計と周波数帯の厚さ化に有効である。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, deep learning-based approach for the design of radar absorbing structure using resistive frequency selective surface is proposed. In the present design, reflection coefficient is used as input of deep learning model and the Jerusalem cross based unit cell dimensions is predicted as outcome. Sequential neural network based deep learning model with adaptive moment estimation optimizer is used for designing multi frequency band absorbers. The model is used for designing radar absorber from L to Ka band depending on unit cell parameters and thickness. The outcome of deep learning model is further compared with full-wave simulation software and an excellent match is obtained. The proposed model can be used for the low-cost design of various radar absorbing structures using a single unit cell and thickness across the band of frequencies.
Abstract（参考訳）: 本稿では, 抵抗周波数選択面を用いたレーダ吸収構造設計のための深層学習に基づくアプローチを提案する。本設計では、深層学習モデルの入力として反射係数を用い、エルサレムクロスベースの単位セル次元を結果として予測する。適応モーメント推定オプティマイザを用いた逐次ニューラルネットワークに基づくディープラーニングモデルを用いて、マルチ周波数帯域吸収器の設計を行う。このモデルは、単位セルパラメータと厚さに応じてLバンドからKaバンドへのレーダー吸収体の設計に使用される。さらに、ディープラーニングモデルの結果をフルウェーブシミュレーションソフトウェアと比較し、優れたマッチングを得る。提案手法は, 単ユニットセルを用いた各種レーダ吸収構造の低コスト設計と周波数帯の厚さ化に有効である。

関連論文リスト

Phononic materials with effectively scale-separated hierarchical features using interpretable machine learning [57.91994916297646]
構造的階層的な音波材料は、複数の周波数範囲にわたるエラストダイナミック波と振動の有望なチューニング性を引き起こしている。本稿では、各長さスケールの特徴が対象周波数範囲内の帯域ギャップをもたらす階層単位セルを求める。提案手法は,階層型設計空間における新しい領域の探索を柔軟かつ効率的に行う手法である。
論文参考訳（メタデータ） (2024-08-15T21:35:06Z)
KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
Learning to Predict Structural Vibrations [2.4746345679821617]
飛行機、車、家屋などの機械構造では、騒音が発生し振動によって伝達される。ディープラーニングサロゲートモデルは古典的な数値シミュレーションの代替として有望である。本稿では,高調波励起板の振動予測に関するベンチマークを示す。
論文参考訳（メタデータ） (2023-10-09T07:26:35Z)
Model-based Deep Learning for High-Dimensional Periodic Structures [0.0]
提案モデルは非常に汎用性が高く,任意の幾何形状の穿孔やパッチに基づいて,任意の周波数選択面で使用することができる。ここでは、長方形穿孔を有するスクリーンからなる周波数選択面の例を示し、予測性能とフルウェーブシミュレータで得られた特性との間に優れた一致を示す。
論文参考訳（メタデータ） (2023-09-15T07:38:18Z)
Deep Learning Framework for the Design of Orbital Angular Momentum Generators Enabled by Leaky-wave Holograms [0.6999740786886535]
本稿では、フラット光学(FO)と機械学習(ML)を併用して、OAMを担持する電磁波を発生させる漏れ波ホログラフィックアンテナの設計手法を提案する。本システムの性能向上のために,機械学習を用いて,放射パターン全体を効果的に制御できる数学的関数を探索する。それぞれのパラメータに対して最適な値を決定することができ、結果として所望の放射パターンが生成され、合計77,000個のデータセットが生成される。
論文参考訳（メタデータ） (2023-04-25T10:01:04Z)
Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文参考訳（メタデータ） (2022-12-10T20:15:23Z)
An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-04-18T23:42:18Z)
Learning OFDM Waveforms with PAPR and ACLR Constraints [15.423422040627331]
達成可能な情報レートを最大化しつつ,選択した制約を満たすOFDMベースの波形を設計するための学習ベース手法を提案する。エンドツーエンドシステムは,PAPRとACLRの制約を満たすことができ,スループットを著しく向上させることができることを示す。
論文参考訳（メタデータ） (2021-10-21T08:58:59Z)
Mean absorption estimation from room impulse responses using virtually supervised learning [0.0]
本稿では,室内インパルス応答(RIR)のみから平均吸収係数を推定する新しい手法を紹介し,検討する。この逆問題は、仮想教師付き学習、すなわち、人工ニューラルネットワークを用いたシミュレーションデータセット上の回帰によって暗黙的に学習される。
論文参考訳（メタデータ） (2021-09-01T14:06:20Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Autoencoder-driven Spiral Representation Learning for Gravitational Wave Surrogate Modelling [47.081318079190595]
オートエンコーダを用いた経験的係数における基礎構造の存在について検討する。ニューラルネットワークの第一層として使用される学習可能なパラメータを持つスパイラルモジュールを設計し,入力空間を係数にマッピングする方法を学習する。スパイラルモジュールは複数のニューラルネットワークアーキテクチャ上で評価され、ベースラインモデルよりも一貫して速度-精度のトレードオフを実現している。
論文参考訳（メタデータ） (2021-07-09T09:03:08Z)

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。