摘要
本发明提供了一种基于深度神经网络与遗传算法的电磁超材料设计方法,涉及超材料设计的技术领域。首先,获取生成电磁超材料的初始结构样本,并构建训练集。构建并利用训练集训练电磁超材料正向预测网络模型。以预设的电磁超材料结构参数和设定的频率信息作为模型的输入,利用电磁超材料正向预测网络模型输出频率信息中每个频率点的预测反射损耗。构建电磁超材料的结构参数原始种群,基于邻域动态演进调控的遗传算法求解结构参数原始种群的最优解,在求解过程中,利用预测反射损耗,计算个体适应度值,得到电磁超材料的最优结构参数,进行电磁超材料设计。本发明提出的设计方法,提高了电磁超材料设计的效率和精度。
技术关键词
预测网络模型
深度神经网络
电磁超材料结构
遗传算法求解
信息编码器
构建训练集
编码器模块
表达式
参数编码器
注意力
频率
矩阵
生成随机
频域特征
损耗
邻域
系统为您推荐了相关专利信息
故障监测方法
多模态特征
多任务学习网络
深度神经网络
可见光视频
挖掘机结构
三维模型
模拟工作环境
多头注意力机制
深度神经网络模型
定位导航信息
定位方法
通用型
移动终端
视觉传感器
光谱图像分类方法
深度神经网络模型
构建深度神经网络
多层次特征融合
Sigmoid函数