Wyszukiwarka
Opis
The dataset was generated using a two-stage methodology for global design optimization of antenna systems. Its keystone components included dimensionality reduction realized by means of fast global sensitivity analysis (FGSA), a machine learning (ML) procedure involving kriging surrogate models, and fine-tuning of antenna parameters using accelerated trust-region (TR) search.
Extensive verification experiments involved four antennas of diverse responses (multi-band, broadband, enhanced gain). The results demonstrated consistent operation, reliability, repeatability of solutions, and excellent cost efficiency of the presented framework. The average running cost of the algorithm corresponded to only about 140 EM antenna simulations, which is comparable to the expenses incurred by local optimization.
Plik z danymi badawczymi
hexmd5(md5(part1)+md5(part2)+...)-{parts_count} gdzie pojedyncza część pliku jest wielkości 512 MBPrzykładowy skrypt do wyliczenia:
https://github.com/antespi/s3md5
Informacje szczegółowe o pliku
- Licencja:
-
otwiera się w nowej karcie
CC BYUznanie autorstwa
Informacje szczegółowe
- Rok publikacji:
- 2025
- Data zatwierdzenia:
- 2025-03-17
- Język danych badawczych:
- angielski
- DOI:
- Identyfikator DOI 10.34808/pvb5-g805 otwiera się w nowej karcie
- Finansowanie:
- Weryfikacja:
- Politechnika Gdańska
Słowa kluczowe
Powiązane zasoby
- publikacja Variable Resolution Machine Learning Optimization of Antennas Using Global Sensitivity Analysis
Cytuj jako
Autorzy
wyświetlono 5 razy