Doherty功放的贝叶斯正则化神经网络逆向建模研究
【出 处】:
【作 者】:
南敬昌
胡婷婷
盛爽爽
高明明
【摘 要】针对直接逆向建模方法精度低、稳定性差等缺点,提出了一种采用规则化函数为L1/2范数的贝叶斯正则化神经网络逆向建模方法,L1/2正则化使得网络结构具有稀疏性,能够缩小网络的规模、加快网络的训练速度,用贝叶斯正则化方法可以使网络的输出更加平滑,提高网络的稳定性和泛化能力.将此方法应用到Doherty功率放大器的设计中,在已知Doherty主功放效率、输出匹配端的S11和S21的情况下,分别仿真得出相对应的输出功率和f,可以简化设计过程.实验结果表明,此逆向模型求得的输出功率、与S11相对的f、与S21相对的f比直接逆向建模方法的均方误差分别减少了8.83%、9.30%和9.00%,运行时间分别减少了99.34%、99.40%和99.23%,解决了设计中的多解问题,可用于设计射频微波器件.
相关热词搜索: 神经网络 逆向建模 L1 2范数 贝叶斯正则化 Doherty功率放大器
上一篇: 密度峰值快速聚类算法优化研究
下一篇: 基于标记信息级联传播树特征的谣言检测新方法