Wyszukiwarka
Opis
The dataset was generated using a procedure for low-cost and reliable multiobjective optimization (MOO) of microwave passive circuits. The technique capitalizes on the attributes of surrogate models, specifically artificial neural networks (ANNs), and multiresolution electromagnetic (EM) analysis. We integrate the search process into a machine learning (ML) framework, where each iteration produces multiple infill points selected from the present representation of the Pareto set. This collection is formed by optimizing the ANN metamodel using a multiobjective evolutionary algorithm (MOEA). The procedure concludes upon convergence, defined as a significant similarity between the sets of nondominated solutions acquired through consecutive iterations.
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/xbjz-3s26 otwiera się w nowej karcie
- Finansowanie:
- Weryfikacja:
- Politechnika Gdańska
Słowa kluczowe
- Computer-aided design
- machine learning (ML)
- microwave engineering
- multicriterial optimization (MOO)
- neural networks
Powiązane zasoby
Cytuj jako
Autorzy
wyświetlono 5 razy