Parametric Modeling Incorporating Joint Polynomial-Transfer Function With Neural Networks for Microwave Filters
Notice bibliographique
Résumé
This article proposes a novel parametric modeling technique incorporating a joint polynomial-transfer function with neural networks (short for neuro-PTF) for electromagnetic (EM) behaviors of microwave filters. In the proposed technique, the polynomial function is introduced together with the pole-residue-based transfer function to represent the EM responses. The pole-residue-based transfer function is used to represent the whole EM response at the beginning and is subsequently divided into multiple subtransfer functions where each subtransfer function contains one pair of pole/residue. A novel smoothness-discriminating algorithm is proposed to judge the smoothness of each subtransfer function response and separate the pole/residue pairs whose subtransfer function response is determined to be smooth. The proposed method introduces low nonlinear polynomial functions to re-fit the smooth parts of subresponse and remains the nonsmooth parts of subresponse for the highly nonlinear transfer functions to represent. By this way, the proposed method avoids the discontinuity problems of nonunique parameter extraction caused by fitting smooth curves using the highly nonlinear transfer function. Neural networks are proposed to learn the relationship between the polynomial coefficients/poles/residues and the geometrical parameters. Utilizing both advantages of the polynomial functions and transfer functions, the proposed method can produce more accurate models than the existing neuro-TF methods, especially with large geometrical variations. The accuracy and robustness of the proposed technique are demonstrated using three EM application examples of microwave filters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».