买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利基于深度学习的超宽带天线设计方法、系统及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119989895B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510067718.0，技术领域涉及：G06F30/27；该发明授权基于深度学习的超宽带天线设计方法、系统及介质是由张旺鹏;李尤;陈遵文;叶亮华设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于深度学习的超宽带天线设计方法、系统及介质在说明书摘要公布了：本发明公开了一种基于深度学习的超宽带天线设计方法、系统及介质，包括：获取目标超宽带天线的设计目标，根据天线设计实例数据提取与天线性能相关的结构参数；根据结构参数准备样本数据并进行预处理，基于NAR动态网络结合多层感知机构建代理模型，使用样本数据进行代理模型训练，配置代理模型参数；利用训练后的代理模型得到目标超宽带天线的最优结构参数，将输出的最优结构参数进行仿真验证，配置目标超宽带天线的设计方案。本发明利用NAR动态网络结合多层感知机建立代理模型能够适应不同结构参数的寻优任务，在保证性能的前提下提高效率，提升了超宽带天线的设计速度及精度。

本发明授权基于深度学习的超宽带天线设计方法、系统及介质在权利要求书中公布了：1.一种基于深度学习的超宽带天线设计方法，其特征在于，包括以下步骤： 获取目标超宽带天线的设计目标，基于所述设计目标提取天线设计实例数据，根据所述天线设计实例数据提取与天线性能相关的结构参数； 根据所述结构参数准备样本数据并进行预处理，基于NAR动态网络结合多层感知机构建代理模型，使用样本数据进行代理模型训练，配置代理模型参数； 利用训练后的代理模型得到目标超宽带天线的最优结构参数，将所述最优结构参数进行仿真验证，获取目标超宽带天线的设计方案； 基于NAR动态网络结合多层感知机构建代理模型，具体为： 获取各个结构参数类别数据整合后的数据样本，将所述数据样本利用Copula函数进行数据融合，获取基于Copula尾部相关性融合的数据样本集，基于所述数据样本集划分训练样本及测试样本； 初始化NAR动态网络的网络参数，基于改进后的遗传算法对时延阶数及隐含层神经元数量进行寻优，使用BP算法训练NAR动态网络，根据误差数据调整NAR动态网络的连接权值，通过迭代训练，得到优化的NAR动态网络； 获取优化的NAR动态网络的输出数据，导入多层感知机中进行训练，根据训练结果微调NAR动态网络及多层感知机的模型参数，停止训练后根据测试样本获取测试误差，当测试误差小于预设误差阈值时，则输出参数配置后的代理模型； 初始化NAR动态网络的网络参数，基于改进后的遗传算法对时延阶数及隐含层神经元数量进行寻优，具体为： 初始化NAR动态网络的网络参数，利用Circle混沌序列对所述网络参数进行映射，生成混沌种群，将获取的混沌种群映射到遗传种群个体，生成混沌初始化种群； 在所述混沌初始化种群中生成个体的反向位置，构建反向种群，合并混沌初始化种群及反向种群，通过评估选取优势个体生成最终种群； 通过改进的遗传算法对种群个体进行寻优，根据测试样本的平均精度作为适应度函数，计算种群中个体的适应度，并在迭代过程中引入随迭代次数改变的自适应变异及动态权重，增加优良个体搜索能力； 通过迭代不断计算个体的适应度，并对个体进行选择、交叉及自适应变异操作生成下一代种群，在完成设定的迭代次数后，获取NAR动态网络的最优时延阶数及最优隐含层神经元数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510062 广东省广州市东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。