Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв

Автор(и)

  • В.О. Адаменко Національний технічний університет України “Київський політехнічний інститут” http://orcid.org/0000-0003-0601-8394
  • Г.О. Мірських Національний університет біоресурсів і природокористування України, м. Київ

DOI:

https://doi.org/10.20535/RADAP.2012.51.41-49

Ключові слова:

штучна нейронна мережа, частотно-вибіркові мікрохвильові пристрої, апроксимація характеристик, оптимальна конфігурація НМ

Анотація

Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв. В роботі розглянуто переваги застосування НМ в якості апроксимаційного апарата в задачах проектування частотовибіркових НВЧ пристроїв. Визначено та проаналізовано час та похибку навчання НМ різної конфігурації (кількість шарів та нейронів у кожному шарі) при апроксимації s-параметрів МДФ  з різною кількістю резонаторів. Досліджено динаміку зміни похибки при використанні різних методів навчання НМ та проведено вибір оптимального методу навчання з врахуванням затраченого часу та похибки.

Біографії авторів

В.О. Адаменко, Національний технічний університет України “Київський політехнічний інститут”

Адаменко В.О., аспірант радіотехнічного факультету

Г.О. Мірських, Національний університет біоресурсів і природокористування України, м. Київ

Мірських Г.О., к.т.н., доцент

Посилання

Література

Горбань А. Н. Обобщенная аппроксимационная теорема / А.Н. Горбань // Сибирский журнал вычислительной математики, 1998. – Т.1 – № 1. – С.12 – 24. .

Адаменко В. О. Використання нейронних мереж для синтезу мікрохвильових пристроїв / В. О. Адаменко, Г. О. Мірських // Вісник НТУУ "КПІ". Серія Радіотехніка. Радіоапаратобудування. – 2012. – №49. – С. 102–107.

Маттей Д. Л. Фильтры СВЧ, согласующие цепи и цепи связи / Д. Л. Маттей, Л. Янг, Е.М.Т. Джонс / Пер. с англ. / Под ред. Л.В. Алексеева, Ф.В. Кушнира. – М.: Связь, 1971. – т.1. – 248 с.

Hagan M. T. Training feedforward networks with the Marquardt algorithm / M. T. Hagan, M. B. Menhaj // Neural Networks, IEEE Transactions on Neural Networks – 1994. – vol. 5, No. 6. – P. 989 – 993.

Meng-Hock Fun. Levenberg-Marquardt training for modular networks / Meng-Hock Fun, O. K. Stillwater, M. T. Hagan // IEEE International Conference on Neural Networks. – 1996. – vol. 1 – P. 463 – 473.

Адаменко В. О. Штучні нейронні мережі в задачах реалізації матеріальних об'єктів. Частина 2. Особливості проектування та застосування / В. О. Адаменко, Г. О. Мірських // Вісник НТУУ "КПІ". Серія Радіотехніка. Радіоапаратобудування. – 2012. – №48 – С. 213 – 221.

Dennis J. E. Numerical Methods for Unconstrained Optimization and Nonlinear Equations / J. E. Dennis, R. B. Schnabel – SIAM. – 1987. – 394 P. – ISBN: 978-0-89871-364-0

Foresee F. D. Gauss-Newton approximation to Bayesian regularization / F. D. Foresee, M. T. Hagan // Proccedings of the 1997 International Joint Conference on Neural Networks – 1997. – P. 1930 – 1935.

Медведев В. С. Нейронные сети. MATLAB 6 / В. С. Медведев, В. Г. Потемкин. – М. : ДИАЛОГ-МИФИ, 2002. – 496 с. – ISBN 5-86404-163-7.

Hagan M. T. Neural Network Design / M. T. Hagan, H. B. Demuth, M. H. Beale – China Machine Press, 1996. – 734 P.– ISBN 7-111-10841-8.

Riedmiller M. A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm / M. Riedmiller, H. Braun // IEEE International Conference On Neural Networks, 1993.

References

Horban A.N. Obobshchennaya approksymatsyonnaya teorema / A.N. Horban // Sybyrskyy zhurnal vыchyslytel'noy matematyky, 1998. — T.1 — No. 1. — S.12 — 24.

Adamenko V. O. Using neural networks for the synthesis of microwave devices. / V. O. Adamenko, G. O. Mirskykh // Visnyk NTUU "KPI". Serija Radiotehnika, Radioaparatobuduvannja, 2012. — No. 49. — S. 102 — 107.

Mattey D.L. Fyltry SVCh, sohlasuyushchye tsepy y tsepy svyazy / D.L. Mattey, L. Yanh, E.M.T. Dzhons / Per. s anhl. / Pod red. L.V. Alekseeva, F.V. Kushnyra. — M.: Svyaz', 1971. — t.1. — 248 s.

Hagan M.T. Training feedforward networks with the Marquardt algorithm / M.T. Hagan, M.B. Menhaj // Neural Networks, IEEE Transactions on Neural Networks — 1994. — vol. 5, No. 6. — P. 989 — 993.

Meng-Hock Fun. Levenberg-Marquardt training for modular networks / Meng-Hock Fun, Stillwater, O. K, Hagan, M.T. // IEEE International Conference on Neural Networks, 1996. — Vol. 1 — P. 463 — 473.

Adamenko V.O. Artificial neural networks in problems of material objects implementation. Part 2. Networking principles and Classification / V. O. Adamenko, G.O. Mirskykh // Visnyk NTUU "KPI". Serija Radiotehnika, Radioaparatobuduvannja, 2012. — No. 48 — S. 213 — 221.

Dennis J. E. Numerical Methods for Unconstrained Optimization and Nonlinear Equations / J. E. Dennis, R. B. Schnabel — SIAM. — 1987. — 394 P.

Foresee F. D. Gauss-Newton approximation to Bayesian regularization / F. D. Foresee, M. T. Hagan // Proccedings of the 1997 International Joint Conference on Neural Networks, 1997. — P. 1930 — 1935.

Medvedev V. S. Nejronnye seti. MATLAB 6 / V. S. Medvedev, V. G. Potemkin. — M.: DIALOG-MIFI, 2002. — 496 s. — ISBN 5-86404-163-7.

Hagan M. T. Neural Network Design / M. T. Hagan, H. B. Demuth, M. H. Beale — China Machine Press, 1996. — 734 P.— ISBN 7-111-10841-8.

Riedmiller M. A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm / M. Riedmiller, Braun H. // IEEE International Conference On Neural Networks, 1993.

##submission.downloads##

Опубліковано

2013-01-28

Як цитувати

Адаменко, В. і Мірських, Г. (2013) «Штучні нейронні мережі як апроксимаційний апарат в задачах проектування радіотехнічних пристроїв», Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, 0(51), с. 41-49. doi: 10.20535/RADAP.2012.51.41-49.

Номер

Розділ

Електродинаміка, пристрої НВЧ діапазону та антенна техніка