文献

J-GLOBAL ID：202202257316227178   整理番号：22A1086301

確率法によるアンテナモデリングのための長期短期メモリベース予測DNNのハイパーパラメータ最適化【JST・京大機械翻訳】

Hyperparameter Optimization of Long Short-Term Memory-Based Forecasting DNN for Antenna Modeling Through Stochastic Methods

著者 (2件)： Kouhalvandi Lida (Department of Electrical and Electronics Engineering, Dogus University, Istanbul, Turkey) ,  Matekovits Ladislau (Department of Electronics and Telecommunications, Politecnico di Torino, Turin, Italy)
資料名： IEEE Antennas and Wireless Propagation Letters  (IEEE Antennas and Wireless Propagation Letters)
巻： 21  号： 4  ページ： 725-729  発行年： 2022年 
JST資料番号： W1387A  ISSN： 1536-1225  CODEN： IAWPA7  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： このレターは,アンテナの特性をモデル化するために目標とする深層ニューラルネットワーク(DNN)の最適モデルハイパーパラメータを決定するための印象的な最適化法を示す。本レターでは,アンテナのモデリングとサイジングのための効率的な降伏解析の革新的手法を提案した。拡張周波数応答の予測を目的とする長い短期メモリDNNに基づくが,ここでは,DNNを訓練しながら最適ハイパーパラメータを決定するために,様々な確率的手法を適用した。様々な方法の中で,アンテナを入力散乱パラメータ,利得,および放射パターンに関して正確にモデル化するものは勝者である。提案方法はコンパクトであり,ハイパーパラメータの決定における設計者の経験への重い依存の問題を扱う。さらに,アンテナの将来の周波数応答の予測は,大きな周波数帯の測定において,設計者の努力を大幅に削減する。したがって,全体の周波数帯を測定することは必要でない。提案方法の有効性を検証するために,製作した2つの要素アンテナアレイをモデリングに使用し,その結果,Thompsonサンプリングアルゴリズムが,他の報告された確率的方法と比較して,最小誤差で最適ハイパーパラメータを決定することができ,将来の周波数帯を正確に予測することを示した。Copyright 2022 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： *アンテナ ,  *記憶装置 ,  *最適化 ,  周波数応答 ,  アレイアンテナ ,  降伏 ,  サイジング ,  *確率論 ,  *モデリング ,  放射パターン ,  利得 ,  *パラメータ ,  有効性 ,  周波数帯
準シソーラス用語： Sパラメータ ,  *ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 確率法 ,  アンテナ ,  モデリング ,  長期 ,  短期 ,  予測 ,  ハイパーパラメータ ,  最適化