.png){kind=icon}
返回
Bandwidth Improvement for Patch Antenna via Knowledge-Based Deep Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/LAWP.2024.3432182.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在这封信中，基于知识的深度强化学习 (KBDRL) 用于提高贴片天线带宽。传统的优化算法通常需要手动配置算法的超参数，这无法自动学习。相比之下，深度强化学习 (DRL) 采用端到端学习方法，自主学习策略以实现最佳带宽。此外，它擅长有效处理非线性和非凸优化问题。然而，当存在许多变量时，DRL消耗大量计算资源。为了解决这个问题，我们提出了一种有效地结合专业知识和机器学习方法的KBDRL方法。所提出的方法适用于尺寸为25毫米x 25毫米的贴片天线，所获得的相对带宽为39.18%。我们的研究表明，与几种常用的局部优化算法，全局优化算法和数值优化算法相比，KBDRL具有显着的优势。而且，KBDRL不仅可以改善天线的性能，而且可以以有限尺寸的基本结构探索性能的上限。
Keyword:
Delays
Bandwidth
Optimization
Antennas
Patch antennas
Training
Noise
deep reinforcement learning
patch antenna
twin delayed deep deterministic policy gradient (TD3) algorithm
期刊
IF:
4.8
论文数:
1.0W
被引数:
2.8W
机构
引用论文
Intelligent Reflecting Surface-Assisted Interference Mitigation With Deep Reinforcement Learning for Radio Astronomy基于深度强化学习的射电天文学智能反射面辅助干扰缓解
.png){kind=icon}
PREAI
分享收藏Cost-Efficient Design Optimization of Compact Patch Antennas With Improved Bandwidth具有改进带宽的紧凑型贴片天线的成本效益设计优化
PREAI
分享收藏
Bandwidth-Enhanced Miniaturized Patch Antenna Operating at Higher Order Dual-Mode Resonance Using Modal Analysis使用模态分析在高阶双模谐振下工作的带宽增强型小型化贴片天线
PREAI
分享收藏Bandwidth-Enhanced High-Gain Microstrip Patch Antenna Under TM$_{\text{30}}$ and TM$_{\text{50}}$ Dual-Mode ResonancesTM$_{\ text{30 }}$ 和TM$_{\ text{50 }}$ 双模共振
PREAI
分享收藏Pin-Loaded Patch Antenna Fed With a Dual-Mode SIW Resonator for Bandwidth Enhancement and Stable High Gain采用双模SIW谐振器的引脚加载贴片天线，可实现带宽增强和稳定的高增益
PREAI
分享收藏Miniaturized Patch Antenna With Enhanced Bandwidth Based on Signal-Interference Feed基于信号干扰馈电的小型化带宽增强贴片天线
PREAI
分享收藏 没有更多内容
没有更多内容