摘要
本发明提供一种无源器件的逆向建模设计方法及计算机可读介质,包括生成无源器件的不同版图尺寸的样本,建立性能数据集;以几何参数、工作频率为输入参数,性能参数为输出参数来建立和预训练得到正向模型;构建逆向神经网络模型;将整个性能数据集的参数空间划分为多个子训练域,在每个子训练域内分别建立并训练一个逆向子模型;训练完成后,集成所有逆向子模型以形成最终的逆向神经网络模型,逆向神经网络模型用于根据指定的工作频率和性能参数,输出满足条件的几何参数解。本发明的方法利用正向模型构建高置信度的数据集,再基于输出参数的唯一性将数据集划分并分别得到逆向子模型,实现了从目标性能参数到几何参数的快速精准映射。
技术关键词
建模设计方法
无源器件
神经网络模型
版图
等效电路模型
参数
电磁仿真
数据
品质因数
唯一性
元件
电容
电路仿真
尺寸
蒙特卡洛
电感
计算机
介质
电阻值
分箱
系统为您推荐了相关专利信息
软件
神经网络模型
指标
训练样本数据
MLP神经网络
出力预测方法
非线性映射关系
数据驱动模型
概率密度函数
智能优化算法
人体传感器
信号处理电路
可穿戴监测系统
无线通讯模块
足底压力传感器
智能健身系统
关键点
检测组件
分析组件
动作缺陷