Novel Dominant-Order-Based Pole/Zero Matching Technique for MOR-Based Neuro-DTF Parametric Modeling of Microwave Components
Notice bibliographique
Résumé
The model order reduction (MOR)-based modeling method combining neural networks and the transfer function (neuro-TF) is widely used for efficient parametric modeling of electromagnetic (EM) behaviors in microwave components. However, the order of MOR is usually required to be much higher than the actual order of the microwave components to achieve accurate EM solutions. This extra order by MOR results in a high possibility of uncertainty and discontinuity of the extracted extra poles/zeros with respect to geometrical variations for neuro-TF model development. To address the above issue, this article proposes a novel dominant-order-based pole/zero matching technique for parametric modeling, incorporating dominant-order-based transfer functions and neural networks (short for neuro-DTF). The proposed dominant-order-based pole/zero matching technique is to identify dominant poles and zeros through a novel adaptive variable-order reduction process. Dominant poles and zeros are screened and retained by matching successive high- and low-order reduced systems, and nondominant poles and zeros are transferred into a complex exponential function. By combining the dominant poles and zeros with the complex exponential function, the dominant-order-based transfer function is obtained. The core objective is to retain poles and zeros with dominant influence on key frequency bands while simplifying nondominant dynamics. The proposed technique effectively eliminates pole/zero mismatch issues caused by the uncertainty and discontinuity of the extracted extra poles/zeros with respect to geometrical variations. Compared to conventional MOR-based neuro-TF parametric modeling, the proposed neuro-DTF method, incorporating the dominant-order-based pole/zero matching technique, achieves higher accuracy and robustness, especially under large geometrical parameter variations. Its effectiveness is verified through two microwave examples.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».