| Titre : | Modélisation paramétrique des Composants hyperfréquences en utilisant Deep Learning Neural Network (DLNN) |
| Auteurs : | Mr. CHETOUI Mohammed, Directeur de thèse ; MOULELKHELLOUA Manel, Auteur ; LAKHACHE Leila, Auteur |
| Type de document : | texte imprimé |
| Editeur : | S.l. : Algèrie:unv saida-Dr Moulay Tahar, 2021-2022 |
| Format : | 84p. / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographies |
| Langues: | Français |
| Mots-clés: | Electronique |
| Résumé : |
Les filtres hyperfréquences sont des composants importants pour la séparation des canaux et des signaux dans les systèmes de communication modernes. La technique des réseaux de neurones artificiels est reconnue comme une technique puissante dans la modélisation et la conception des micro-ondes. Cet article propose une nouvelle topologie de réseau neuronal profond pour la modélisation paramétrique des composants micro-ondes. Dans le réseau neuronal profond proposé, les sorties sont des paramètres S. Les entrées du modèle proposé comprennent des variables géométriques et la fréquence. Nous divisons les couches cachées dans la topologie de réseau neuronal profond proposée en deux parties. Les couches cachées de la partie I gèrent à la fois les entrées géométriques et les entrées de fréquence, tandis que les couches cachées de la partie II ne gèrent que les entrées géométriques. De cette façon, plus de paramètres d'apprentissage sont utilisés pour apprendre spécifiquement la relation entre les paramètres S et les variables géométriques, qui sont plus compliquées que celle entre les paramètres S et la fréquence. |
| Note de contenu : |
1-Etude des filtres micro-ondes 2-Technique de deep learning 3-Résultats et discussion |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT01767 | T.EN.MS00624 | Périodique | Ouvrages | 28 | Libre accès Disponible |
