Microstrip patch antenna modeling with knowledge-based neural networks
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Elektrik Ve Elektronik Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: EKİN SU SAÇIN
Danışman: Ahmet Cemal Durgun
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Mikrodalga cihazların tasarımı ve optimize edilmesi, özellikle fazla sayıda katman içeren paket yapılarıyla uğraşırken önemli miktarda kaynak tüketimi gerektirir. Mikrodalga cihaz tasarımı ve optimizasyonu için vekil modeller olarak yapay sinir ağlarını baz alan makine öğrenimi tekniklerinin kullanılması, kaynak kullanımını azaltmayı sağlar. Bu tezde, bir paket üzerine yerleştirilecek mikroşerit yama antenin tasarımı için bir spektral transpoze konvolüsyonel sinir ağı geliştirilmiştir. Sinir ağı, S11 parametrelerini ve antenin kazancını, geometrik parametrelerinin ve materyal özelliklerinin bir fonksiyonu olarak tahmin etmek için eğitildi. Sinir ağı, transpoze konvolüsyonel katmanlar aracılığıyla, çıktının boyutunu artırarak ölçeklenebilir frekans çözünürlüğü sağlar. Anten, belirli kriterlere dayalı farklı besleme tekniklerinin entegrasyonuna izin verebilmek için, önceden tanımlanmış bir besleme yapısı olmadan tasarlandı. Sinir ağının ağırlıkları, Huber kayıp fonksiyonu kullanılarak güncellenirken, değerlendirme ölçütü olarak göreli hata karesi (RSE) belirlendi. Daha küçük bir veri seti ile sinir ağının performansını artırmak için, eğitilme sürecinde bilgiye dayalı regülarizasyon yöntemleri uygulandı. Bu yöntemler, sinyalin türevlerini ve spektral alan temsilini kayıp fonksiyonuna entegre etmeyi ve pasiflik ihlalini en aza indirmek için büyüklük regülarizasyonunu içerir. Ayrıca sinir ağının kayıp fonksiyonu, ilgili modların rezonans frekanslarını dikkate alarak anten performansını doğru bir şekilde tahmin edilmesini sağlayacak yama anteninin boşluk modeli dahil edilerek iyileştirildi. Bu çalışma, yama anten performansını doğru bir şekilde tahmin etmek için sinir ağlarının kayda değer yeteneğini gösterdi.