摘要
本发明提供了一种基于人工智能的等离子体参数诊断方法,涉及电磁计算技术领域,该方法包括获取实测数据,结合等离子体对电磁波的影响特性进行等离子体参数建模;基于等离子体参数的建模结果,计算不同频点下的S参数;将S参数作为数据集的样本,以及将等离子体的分布参数作为数据集的标签,并对数据集进行预处理;构建等离子体参数诊断的残差神经网络模型,并利用经预处理后的数据集,对残差神经网络模型进行训练;利用训练后的残差神经网络模型对等离子体参数进行诊断,完成基于人工智能的等离子参数诊断。本发明解决了对于下降沿的电子密度则无法进行准确诊断的问题,且该方法的鲁棒性比目前已知的方法好。
技术关键词
残差神经网络
等离子体参数诊断
数据
电磁计算技术
训练集
退火技术
误差
样本
序列
天线
标签
超参数
批量
网格
鲁棒性
表达式
频段
速度
决策
系统为您推荐了相关专利信息
人工智能算法
学习系统
数据同化技术
多源融合
多模型协同
子系统
递归算法
层级
建立BIM模型
概预算编制
多模态
评估系统
专家知识库构建
动作评估方法
历史生理数据
比对系统
图像识别单元
集装箱
电子标签
三维激光扫描仪
表面污染仪
示数识别方法
屏幕
识别系统
数据采集模块