10.3969/j.issn.1005-9776.2020.05.001
开发EMC/SI/PI的机器学习CEM方法
尽管机器学习(ML)在回归和分类应用中显示出了巨大的潜力,但它是否能在速度或精度方面成为科学计算的新引擎,仍然是一个问题.在信号完整性(SI)、功率完整性(PI)、电磁兼容(EMC)及电磁干扰的分析上,我们尤其感兴趣的是,将ML用于计算电磁学(CEM)的可能性.通过我们最近开发的基于ML的CEM算法可知,在SI/PI、EMC/EMI相关建模中,可以从三个方面使用ML方法:辅助模型生成、黑箱建模和算法更新.文中以几种计算电磁学算法为例,讨论了这三种方法在SI/PI、EMC/EMI相关建模中的应用,并根据我们的见解提供了每种方法的优缺点.
计算电磁学、电磁兼容、信号/功率完整性、机器学习、深度学习、时域有限差分、行为模型、源重建法、逆问题、亚波长成像
TP391.9;O441;F22
2020-11-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
9-15