微波元件的宽范围参数建模

《IEEE Microwave Magazine》：Wide-Range Parametric Modeling of Microwave Components

微波组件宽范围参数建模方法研究。提出并行分解法和灵敏度驱动的逐步方法，前者基于二阶导数信息分解参数域并行训练修正，后者通过皮尔逊相关系数分类几何参数并采用迁移学习逐步训练。均通过应用实例验证有效性，未来可探索两者混合策略。

　　

摘要：

对微波元件进行广泛的参数化建模可以显著提高模型的适用范围。然而，传统的神经网络建模方法面临一些挑战，例如高非线性和低训练效率。本文分析了现有方法在扩展参数范围时的探索和局限性，并重点介绍了两种专门为宽参数范围设计的创新方法。第一种方法是基于二阶导数信息的并行分解算法。该方法将参数域分解为多个子区域，利用并行训练和校正构建子模型，最终将这些子模型集成到一个整体模型中。第二种方法是基于灵敏度驱动的逐步训练方法，该方法结合了迁移学习（Transfer Learning, TL）技术。它使用皮尔逊相关系数对几何参数进行分类，并通过逐步训练来获得最终的精确模型。文章还回顾了这两种方法的应用实例，证明了它们的有效性。每种方法都有其自身的优势。未来的研究可以探索这两种方法的混合策略，以充分发挥各自的优点，进一步推动微波建模技术的发展。