公开(公告)号：CN117409894A

公开(公告)日：2024-01-16

申请号：CN202311222788.6

申请日：2023-09-21

Applicant: 桂林理工大学

Inventor： 刘晓斌 ,  苏畅 ,  黄秋霞 ,  杨盛晖 ,  张磊 ,  谢晓兰 ,  周焕福

IPC: G16C60/00 ,  G16C20/70 ,  G06N20/00 ,  G01N27/22 ,  G01R27/26

Abstract: 本发明涉及一种基于机器学习的尖晶石结构微波介质陶瓷介电常数预测方法，包括以下步骤：首先获取文献中的尖晶石结构微波介质陶瓷的化学式、介电常数和所包含元素的描述符等数据，对化学式生成组合特征，对生成的特征进行归一化处理之后，采用特征选择方法，包括方差筛选、相关性筛选、特征重要性筛选和特征穷举筛选。所得到的最优特征子集被用于极端梯度提升机算法的训练，并使用其它机器学习算法进行对比。训练过程结束之后，将待预测的尖晶石结构微波介质陶瓷的化学式和筛选后的最优特征子集输入最优算法模型，输出其介电常数。本发明能够建立准确率较高的预测模型，具有较高的实际应用价值。

公开(公告)号：CN117540619A

公开(公告)日：2024-02-09

申请号：CN202311298764.9

申请日：2023-10-09

Applicant: 桂林理工大学

Inventor： 刘晓斌 ,  张磊 ,  杨盛晖 ,  苏畅 ,  黄秋霞 ,  周焕福 ,  谢晓兰

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度强化学习微波器件鲁棒性可调的设计方法，具体包括以下步骤：步骤1，将微波器件的结构参数矩阵化；步骤2，基于深度强化学习框架建立强化学习环境将步骤1的结果添加扰动作为状态输入；步骤3，基于深度强化学习框架设计智能体和所建立的环境交互；步骤4，基于步骤3将器件的性能指标和鲁棒性因素分别转化为相应奖励函数和；步骤5，基于步骤4调整奖励的比重，指导智能体设计鲁棒性不同的微波器件；步骤6，基于步骤5验证器件的鲁棒性，得到器件的鲁棒性和器件性能的变化趋势，验证结果显示不同的任务设计的器件具有不同的鲁棒性。本发明可以在保障性能的前提下，控制调整器件的鲁棒性，打破制造工艺差异的限制。