一种基于大模型的多条件天线优化方法

本申请涉及通信工程和深度学习技术领域，特别涉及一种基于大模型的多条件天线优化方法，其中，方法包括：将至少一个目标天线的设计数据分为训练集、验证集和测试集中的至少一个；利用Adam算法设置生成式预训练GPT模型训练过程中的第一超参数；利用混淆矩阵对GPT最终模型在测试集上的输出结果进行分析，评估GPT最终模型对天线性能条件的理解能力，并根据理解能力对GPT最终模型和第二超参数进行调整优化，以优化目标天线的设计。由此，解决了相关技术中的天线设计方法往往基于经验和试错，难以满足高速数据传输、大容量通信、低延迟等多种需求，效率和性能较低的问题。