典型文献
基于循环神经网络的行波管大信号输出特性预测
文献摘要：
深度学习是机器学习领域的一个研究方向,已应用于多种人工智能技术的研究.本文基于行波管大信号理论建立了循环神经网络训练模型,将深度学习用于行波管非线性特性的预测,并对行波管的输入参数进行了核函数变换,增强了模型对非线性特征的传递能力.经过训练得到一个适用于8～18 GHz螺旋线行波管的模型,该模型可以预测行波管的输出功率.
文献关键词：
行波管;深度学习;循环神经网络
中图分类号：
作者姓名：
李卓芸;殷海荣;李年康;贾栋栋;沈璋;岳玲娜;徐进;赵国庆;王文祥;魏彦玉
作者机构：
电子科技大学电子科学与工程学院,四川成都610054
文献出处：
引用格式：
[1]李卓芸;殷海荣;李年康;贾栋栋;沈璋;岳玲娜;徐进;赵国庆;王文祥;魏彦玉-.基于循环神经网络的行波管大信号输出特性预测)[J].真空电子技术,2022(02):63-66
A类：
螺旋线行波管
B类：
循环神经网络,大信号,信号输出,输出特性,特性预测,学习领域,信号理论,神经网络训练,训练模型,习用,非线性特性,输入参数,核函数,函数变换,非线性特征,经过训练,练得,GHz,输出功率
AB值：
0.344785
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
