射频微波领域是硬件中的重要领域，端到端之间的通信依赖该领域的硬件支撑。
随着科技发展，需要使用深度神经网络等架构来辅助电磁结构的设计，以期在模型训练完成的情况下进行快速设计，并获得工程师经验所不能设计出的潜在的优秀结构。
本项目基于上述场景进行阻抗匹配及毫米波滤波器的设计。
点击空白处退出提示
基于深度神经网络的电磁结构设计源文件源码
我要开发同款技术信息
作品详情
行业场景
功能介绍
项目主要分三部分：controlHFSS，CNN_FC，predict
controlHFSS负责调用接口，通过脚本控制Ansys-HFSS生成部分随机的电磁结构并进行仿真，并导出表格数据，最后整合为“特征+标签”的数据集以供后续使用；
CNN_FC负责对数据进行预处理操作并进行卷积神经网络模型训练；
predict负责基于训练好的模型，根据给定的标签和部分特征反推其他特征的取值，通过梯度优化的方式找到和目标最接近的特征取值。
项目实现
本人全权负责该项目
使用win32com、pythoncom进行接口调用，numpy、pandas进行数据处理和整合，tensorflow进行模型训练。
项目特点是模型训练时将图像数据和其他数据进行分支，图像数据采用CNN，其他数据直接采用FC
示例图片
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论