Applications of Deep Learning in Electromagnetics: Teaching Maxwell's Equations to Machines
L'apprentissage profond a commencé à être appliqué à la résolution de nombreux problèmes électromagnétiques, y compris le développement de solveurs de modélisation rapides, d'algorithmes d'imagerie précis, d'outils de conception efficaces pour les antennes, ainsi que d'outils pour la caractérisation des liaisons/canaux sans fil. Le contenu de ce livre représente des applications pionnières des techniques d'apprentissage profond à l'ingénierie électromagnétique, où les principes physiques décrits par les équations de Maxwell dominent. Avec le développement des techniques d'apprentissage profond, l'amélioration de la capacité d'apprentissage et de la capacité de généralisation peut permettre aux machines d'"apprendre" à partir de données correctement collectées et de "maîtriser" les lois physiques dans certaines conditions limites contrôlées. À long terme, l'hybridation des principes physiques fondamentaux et des connaissances tirées des données d'apprentissage pourrait ouvrir de nombreuses possibilités dans le domaine de la théorie et de l'ingénierie électromagnétiques, qui étaient auparavant impossibles en raison de la limite des données et de la capacité de calcul.
Les applications électromagnétiques de l'apprentissage profond couvertes dans le livre comprennent la modélisation électromagnétique vers l'avant, la diffusion inverse en espace libre, le contrôle et l'évaluation non destructifs, l'imagerie de subsurface, l'imagerie biomédicale, l'estimation de la direction d'arrivée, la télédétection, les communications numériques par satellite, l'imagerie et la reconnaissance des gestes, la conception de métamatériaux et de métasurfaces, ainsi que la modélisation de circuits hyperfréquences.
Applications of Deep Learning in Electromagnetics contient des informations précieuses pour les chercheurs à la recherche de nouveaux outils pour résoudre les équations de Maxwell, les étudiants en théorie électromagnétique et les chercheurs dans le domaine de l'apprentissage profond qui s'intéressent à de nouvelles applications.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)