基于GWO-RBF神经网络的天线建模参数预测
Antenna modeling parameter prediction based on GWO-RBF neural network作者机构：电子科技大学物理学院四川成都611731
出 版 物：《电子测试》 (Electronic Test)
年 卷 期：2021年第32卷第19期
页 面：60-62页
学科分类：080904[工学-电磁场与微波技术] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：在天线设计中,天线的尺寸结构很大程度上影响了天线的参数和机能,采用传统的电磁仿真对天线建模获取天线的参数的方式运算量大,耗时较长。基于此提出一种采用GWO算法的新型RBF神经网络模型用于天线建模的参数预测。实验表明,该算法在运算速率和准确性方面胜于现有文献的结果。
维普期刊数据库
同方期刊数据库