摘要
本发明公开了一种基于自动编码器的声学超结构设计方法及装置,通过将解码器、编码器依次独立训练,对于瓶颈层的输出结果人为的加以约束克服了传统逆向设计常见的“非唯一性”问题,同时不过分深入研究神经网络网络内部的每一个细节,将自动编码器训练过程由完全的“黑箱”问题变成了“灰箱”问题,同时对决策过程有了进一步的深入了解,一定程度上提高了网络的可解释性。本发明成功据此设计了超薄宽带吸声超结构,并对其进行了数值仿真验证和实验验证,仿真结果、实验结果均与目标曲线吻合良好。将该方法广泛应用于其他类型声学超结构的按需逆向设计可以极大地提高声学超结构的设计效率,进一步推动声学超结构的实际应用。
技术关键词
自动编码器
声学超结构
训练集数据
曲线
结构设计装置
检测解码器
参数
序列
神经网络模型
吸声超结构
编码器训练
纺锤形
优化器
数据获取模块
搭建模块
数值仿真