摘要
本发明公开了一种基于残差自动编码器方法的谐振器逆设计方法及装置,采用集总电声类比生成训练数据训练残差自动编码器模型,自动生成准确训练数据。模型采用自编码器架构,以无监督学习的方式学习数据的低维表示,将输入数据压缩为低维的隐含表示再重构,有效提取数据的主要特征,同时模型在自编码器基础上引入残差连接,保证反向传播过程中梯度依赖于链式法则,还可以通过跳跃连接进行传输,有效地缓解梯度消失和爆炸问题。将模型进行算子融合并量化感知训练,压缩模型的大小,再裁去解码器部分,解决了现有模型容易陷入局部最优以及过拟合的问题,同时大大提升了计算效率,压缩了模型体积,能在不同性能的多端进行灵活部署,充分发挥硬件性能。
技术关键词
亥姆霍兹谐振器
自动编码器
逆设计方法
解码器
生成训练数据
数据压缩
电声
声阻
编码器架构
吸收器
模型训练模块
腔体
方程
声波
超参数
系统为您推荐了相关专利信息
副载波
时间差
信号处理单元
时频同步方法
信号产生器
异常事件
识别方法
实时数据
重构误差
序列预测模型
缺失值插补方法
GP模型
生成对抗网络训练
掩码矩阵
约束生成器