一种应用于微波器件的新型深层神经网络自动建模方法

摘要

本发明涉及一种应用于微波器件的新型深层神经网络自动建模方法，属于微波器件建模领域，用于解决现有的浅层神经网络建模方法不能满足微波器件建模领域面临的模型维度高、工作范围大、可靠性高等新需求的问题。本发明具体提出了一种新型的包含Batch Normalization(BN，批量归一化)层和Sigmoid隐藏层的混合型深层神经网络结构及其训练方法，能够解决由于神经网络层数增多而引起的梯度消失和训练被阻止的问题；并采用自适应算法自动确定深层神经网络中BN层和Sigmoid隐藏层的层数，实现训练过程自动化。采用本发明得到的深层神经网络模型能够精确表示微波器件复杂、连续、高度非线性的器件特性，计算速度快，能有效代替原始器件进行后续电路或系统的仿真与设计。