Wyszukiwarka
Numerical and experimental generated data during project https://doi.org/10.1109/ACCESS.2024.3407978
Opis
The dataset was generated using a procedure for a fast globalized optimization of passive microwave components. It combines a machine learning procedure, specifically, an iterative construction and refinement of fast surrogates (with infill criterion being a minimization of the predictor-yielded objective improvement) with a response feature technology, where the metamodel targets suitably appointed characteristic points of the circuit outputs. Identification of the infill points is executed using a particle swarm optimization algorithm. Numerical experiments carried out using two microstrip circuits demonstrate the capability for a global search of the proposed algorithm, and its superior performance over direct nature-inspired-based optimization and surrogate-assisted search at the level of complete circuit characteristics.
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 10.34808/8hka-f425 otwiera się w nowej karcie
- Finansowanie:
- Weryfikacja:
- Politechnika Gdańska
Słowa kluczowe
- EM-driven design
- global optimization
- microwave engineering
- nature-inspired algorithms
- response features
Powiązane zasoby
Cytuj jako
Autorzy
wyświetlono 7 razy