文献

J-GLOBAL ID：202002271049257853   整理番号：20A2276058

アンテナ最適化と設計のための修正効率的KNN法【JST・京大機械翻訳】

A Modified Efficient KNN Method for Antenna Optimization and Design

著者 (4件)： Cui Liangze (Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA) ,  Zhang Yao (School of Electronic and Information Engineering, South China University of Technology, Guangzhou, China) ,  Zhang Runren (Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA) ,  Liu Qing Huo (Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA)
資料名： IEEE Transactions on Antennas and Propagation  (IEEE Transactions on Antennas and Propagation)
巻： 68  号： 10  ページ： 6858-6866  発行年： 2020年 
JST資料番号： C0218A  ISSN： 0018-926X  CODEN： IETPAK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 効果的な機械学習法は,通常,精度を保証し,過剰適合を避けるために,大きなデータセットによって訓練される。しかし,データ収集が自明でないとき,大規模データセットは機械学習法の普及を制限する。この問題を解決するため,改良K最近傍(KNN)アルゴリズムに基づいて,新しい機械学習法を提案し,先進的ワークフローとシミュレーション技術を通してデータセットからより多くの特徴を抽出することができた。ここで示した応用では,著者らの方法は,人工ニューラルネットワーク(ANN)やBayes最適化のような従来の機械学習法よりも,データセットの必要なサイズを減らすことにより,5≦30倍高速である。提案方法を次に用いて,アンテナパラメータを最適化し,一方,追加ブランチを構築して,シミュレーションツール(例えばHFSS)を実行して,前もってデータセットを構成する代わりに訓練プロセスの間のデータセットを更新した。この提案方法の妥当性と効率を,4つの異なるアンテナ例と他の機械学習と勾配ベースのアルゴリズムによって確認した。要約すると,提案方法は,わずかなコストで満足な最適アンテナ設計を得ることができる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *アンテナ ,  *最適化 ,  ニューラルネットワーク ,  アンテナ設計 ,  データ収集 ,  機械学習 ,  ワークフロー
準シソーラス用語： シミュレーションツール ,  大規模データセット , 【Automatic Indexing@JST】

分類 (2件)： アンテナ  (ND06000M) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アンテナ ,  最適化 ,  設計 ,  kNN法