Mazroei Abkenar A, Maddah Ali M, Nasirian M. Implementation of Resent-101 neural network and particle swarm optimization algorithm in modeling frequency Selective surfaces with Complex Shapes of type Sierpiński-Gasket. Journal of Iranian Association of Electrical and Electronics Engineers 2026; 23 (2) :31-37
URL:
http://jiaeee.com/article-1-1788-fa.html
مزروعی آبکنار امین، مداح علی مجتبی، نصیریان مرضیه. پیادهسازی شبکه عصبی رزنت-101 و الگوریتم بهینهساز ازدحام ذرات در مدلسازی سطوح انتخابگر فرکانس با اشکال پیچیده از نوع مثلث سیرپنسکی. نشریه مهندسی برق و الکترونیک ایران. 1405; 23 (2) :31-37
URL: http://jiaeee.com/article-1-1788-fa.html
مجتمع الکترومغناطیس- دانشگاه صنعتی مالکاشتر
چکیده: (39 مشاهده)
مدلسازی سطوح انتخابگر فرکانس فراکتالی یکی از چالشهای اصلی در طراحی جاذبها و ساختارهای الکترومغناطیسی مبتنی بر این سطوح است، که به دلیل پیچیدگیهای هندسی و نیاز به شبیهسازیهای دقیق، زمان و هزینههای بسیاری میطلبد. در این پروژه، هدف اصلی استفاده از شبکه عصبی همگشتی رزنت است تا با دریافت تصاویر سطوح فراکتالی، ضریب بازتاب متناظر با آنها را پیشبینی کند. یکی از ویژگیهای برجسته این تحقیق، استفاده از دادههای استخراجشده از الگوریتم بهینهسازی ازدحام ذرات در کنار دادههای تصادفی برای آموزش شبکه است؛ این رویکرد نهتنها منجر به افزایش دقت پیشبینی شبکه عصبی شده، بلکه کیفیت مجموعهداده تولیدشده را نیز بهبود بخشیده است. همچنین، ترکیب الگوریتم بهینهسازی ازدحام ذرات با شبکه رزنت منجر به بهبود عملکرد مدل در پیشبینی دقیقتر و سریعتر ضریب بازتاب شده است. استفاده از این روش میتواند زمان و هزینههای مدلسازی سطوح انتخابگر فرکانس فراکتالی را کاهش داده و در نهایت، بهینهسازی طراحی این سطوح را تسهیل کند.
نوع مقاله:
پژوهشي |
موضوع مقاله:
مخابرات دریافت: 1403/10/23 | پذیرش: 1404/9/15 | انتشار: 1405/4/1