Arquiteturas de redes neurais artificiais aplicadas ao projeto de antenas em microfita
Silvania Teixeira Goncalves
DISSERTAÇÃO
Português
T/UNICAMP G586a
[Architectures of artificial neural networks applied to the design of microstrip antennas]
Campinas, SP : [s.n.], 2024.
1 recurso online (91 p.) : il., digital, arquivo PDF.
Orientador: Gilliard Nardel Malheiros Silveira
Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Elétrica e de Computação
Resumo: Neste trabalho é proposta uma metodologia para otimizar o processo de design de antena em microfita, com o uso de diferentes arquiteturas de redes neurais artificias. As antenas em microfita patch retangular apresentam vantagens significativas que as tornam uma boa escolha em aplicações de...
Ver mais
Resumo: Neste trabalho é proposta uma metodologia para otimizar o processo de design de antena em microfita, com o uso de diferentes arquiteturas de redes neurais artificias. As antenas em microfita patch retangular apresentam vantagens significativas que as tornam uma boa escolha em aplicações de comunicação sem fio. O uso de redes neurais no projeto de antenas microfita oferece vantagens como a otimização eficiente de múltiplos parâmetros de design. Neste trabalho foi desenvolvido dois estudos de casos com aplicação de redes neurais para modelagem de antenas. O primeiro, consistiu em projetar, treinar e analisar modelos generativos e preditivos aplicados a antena em microfita. Iniciamos com a rede adversária generativa seguida pela rede perceptron multicamadas, que foram treinados com um conjunto de dados gerados utilizando fórmulas (CAD, do inglês Computer-aided design) para cálculo das características das antenas associados ao substrato RO 3003. Após finalizado o modelamento da rede adversária generativa e da rede perceptron multicamadas, foi realizada uma análise comparativa entre os resultados das redes com relação aos dados calculados pelas fórmulas CAD, e ambos os modelos apresentaram resultados satisfatórios, onde a rede adversária generativa apresentou uma acurácia de 0,65%, a rede perceptron multicamadas obteve um excelente resultado com acurácia 0,95%. Na etapa seguinte desenvolvemos um terceiro modelo usando as redes adversariais generativas condicionais, onde o modelo foi treinado para gerar dados de características de antenas condicionado a uma faixa de frequência específica, com o objetivo de viabilizar o controle sobre o processo de geração desses dados. Demonstramos que a redes adversariais generativas condicionais pode gerar dados sintéticos de características de antenas para uma faixa específica de frequência e substratos. O segundo estudo de caso apresenta uma metodologia para predizer as características de uma antena de microfita pixelada de banda dupla baseada na rede neural convolucional que toma como entrada uma representação de toda a superfície pixelada de uma antena. Palavras-chaves: Antena em microfita, Aprendizado de máquina, Redes Neurais Convolucionais, Rede Adversárias Generativas
Ver menos
Abstract: This paper proposes a methodology for optimizing the design process of microstrip antennas, using different artificial neural network architectures. Rectangular patch microstrip antennas have significant advantages that make them a good choice for wireless communication applications. The...
Ver mais
Abstract: This paper proposes a methodology for optimizing the design process of microstrip antennas, using different artificial neural network architectures. Rectangular patch microstrip antennas have significant advantages that make them a good choice for wireless communication applications. The use of neural networks in the design of microstrip antennas offers advantages such as the efficient optimization of multiple design parameters. In this work, two case studies were developed using neural networks to model antennas. The first consisted of designing, training and analyzing generative and predictive models applied to microstrip antennas. We started with the generative adversarial network followed by the multilayer perceptron network, which were trained with a set of data generated using formulas (CAD, Computer-aided design) to calculate the characteristics of the antennas associated with the RO 3003 substrate. Once the modeling of the generative adversarial network and the multilayer perceptron network had been completed, a comparative analysis was carried out between the results of the networks in relation to the data calculated by the CAD formulas, and both models showed satisfactory results, where the generative adversarial network showed an accuracy of 0,65%, and the multilayer perceptron network obtained an excellent result with an accuracy of 0,95%. In the next step, we developed a third model using conditional generative adversarial networks, where the model was trained to generate antenna characteristics data conditioned to a specific frequency range, with the aim of enabling control over the process of generating this data. We demonstrated that conditional generative adversarial networks could generate synthetic antenna characteristics data for a specific frequency range and substrates. The second case study presents a methodology for predicting the characteristics of a dual-band pixelated microstrip antenna based on a convolutional neural network that takes as input a representation of the entire pixelated surface of an antenna. Keywords: Microstrip antenna, Machine learning, Convolutional neural networks, Generative adversarial networks
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Aberto
Malheiros Silveira, Gilliard Nardel, 1980-
Orientador
Yoshioka, Ricardo Toshinori
Avaliador
Attux, Romis Ribeiro de Faissol, 1978-
Avaliador
Arquiteturas de redes neurais artificiais aplicadas ao projeto de antenas em microfita
Silvania Teixeira Goncalves
Arquiteturas de redes neurais artificiais aplicadas ao projeto de antenas em microfita
Silvania Teixeira Goncalves