買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請的專利基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法及相關(guān)裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119358477B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411926203.3，技術(shù)領(lǐng)域涉及：G06F30/3308；該發(fā)明授權(quán)基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法及相關(guān)裝置是由權(quán)星;欒善程;張勝洲;吳炎輝;高曉強(qiáng);楊英豪;詹勁松設(shè)計研發(fā)完成，并于2024-12-25向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法及相關(guān)裝置在說明書摘要公布了：本發(fā)明公開了基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法及相關(guān)裝置，屬于毫米波、太赫茲無源器件設(shè)計領(lǐng)域，所述方法包括以下步驟：像素化多個任意無源網(wǎng)絡(luò)結(jié)構(gòu)并對所述像素化后的多個任意無源網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行電磁仿真，得到二維矩陣及對應(yīng)的S參數(shù)；利用對抗生成網(wǎng)絡(luò)擴(kuò)充S參數(shù)與二維矩陣對應(yīng)的數(shù)據(jù)集；基于所述二維矩陣和對應(yīng)的S參數(shù)，利用關(guān)系擬合模型構(gòu)建二維矩陣和S參數(shù)的函數(shù)擬合關(guān)系；基于二維矩陣和S參數(shù)的函數(shù)擬合關(guān)系，通過全局優(yōu)化算法對S參數(shù)進(jìn)行優(yōu)化得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)無源器件綜合。本發(fā)明能夠解決無源網(wǎng)絡(luò)的S參數(shù)與拓?fù)浣Y(jié)構(gòu)之間的關(guān)系解析困難的問題。

本發(fā)明授權(quán)基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法及相關(guān)裝置在權(quán)利要求書中公布了：1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的無源器件綜合方法，其特征在于，包括以下步驟： 利用二維矩陣像素化多個任意無源網(wǎng)絡(luò)結(jié)構(gòu)，對所述像素化后的多個任意無源網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行電磁仿真，得到無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)的電磁仿真S參數(shù)； 對所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)電磁仿真的S參數(shù)進(jìn)行數(shù)據(jù)集擴(kuò)充，得到擴(kuò)充后無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)的電磁仿真S參數(shù)； 基于所述擴(kuò)充后無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)的電磁仿真S參數(shù)，利用關(guān)系擬合模型構(gòu)建無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和S參數(shù)的函數(shù)擬合關(guān)系； 基于所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和S參數(shù)的函數(shù)擬合關(guān)系，通過全局優(yōu)化算法對S參數(shù)進(jìn)行優(yōu)化得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)無源器件綜合； 所述對所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)的S參數(shù)進(jìn)行數(shù)據(jù)集擴(kuò)充的步驟，具體包括：將所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和S參數(shù)分別作為生成對抗網(wǎng)絡(luò)的輸入和輸出，得到擴(kuò)充后無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣及對應(yīng)的S參數(shù)； 所述關(guān)系擬合模型的建立過程為：將所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和S參數(shù)分別作為卷積神經(jīng)網(wǎng)絡(luò)的輸入和輸出，對所述卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練驗證得到所述關(guān)系擬合模型； 所述通過全局優(yōu)化算法對所述S參數(shù)進(jìn)行優(yōu)化得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)，具體為：采用遺傳算法對所述S參數(shù)進(jìn)行優(yōu)化得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)； 所述采用遺傳算法對所述S參數(shù)進(jìn)行優(yōu)化得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)的步驟，具體包括： 隨機(jī)生成4096個任意無源網(wǎng)絡(luò)結(jié)構(gòu)對應(yīng)的隨機(jī)無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣構(gòu)成父代，基于所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和S參數(shù)的函數(shù)擬合關(guān)系，利用關(guān)系擬合模型預(yù)測所述隨機(jī)無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣對應(yīng)的S參數(shù)，該S參數(shù)稱為預(yù)測S參數(shù)； 以預(yù)測S參數(shù)和期望S參數(shù)之間的均方差作為代價函數(shù)計算所述預(yù)測S參數(shù)和期望S參數(shù)之間的誤差，從所述誤差中篩選出最小誤差，并獲取16個最小誤差對應(yīng)無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣； 在父代中隨機(jī)選擇512個無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣并在其中篩選兩個所述誤差最小所對應(yīng)的二維矩陣進(jìn)行交叉產(chǎn)生一個子代，重復(fù)該步驟直至所述子代的數(shù)目等于所述父代的數(shù)目； 根據(jù)所述16個最小誤差對應(yīng)的所述無源網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的二維矩陣和子代更新所述父代，重復(fù)上述步驟直至達(dá)到預(yù)設(shè)更新次數(shù)后，得到最優(yōu)無源網(wǎng)絡(luò)結(jié)構(gòu)； 所述卷積神經(jīng)網(wǎng)絡(luò)中的卷積層后依次連接歸一化層和激活層，所述卷積神經(jīng)網(wǎng)絡(luò)中的全連接層后依次連接歸一化層、激活層和隨機(jī)失活層，所述激活層中加入LeakyReLU函數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。