高周波エンジニアのためのAI・機械学習入門(GPU編23)TDRでは出せない複素特性インピーダンスの周波数特性を予測する。今回はkerasとバックエンドにJaxを使ったRNN(LSTM)で。
DNN,CNNとやってきたので今回はRNNの一種であるLSTMでやってみよう。
コードはこちら。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import os
os.environ["KERAS_BACKEND"] = "jax"
import keras
from jax import config
config.update("jax_enable_x64", False)
plt.rcParams['font.family'] = 'Noto Sans CJK JP'
data_label = np.load("tl_freq_data.npz")
data = data_label["data"]
label = data_label["label"]
x_train, x_test, y_train, y_test = train_test_split(data, label, test_size=0.3, random_state=0)
y_train_list = [y_train[:,:,1], y_train[:,:,2]]
y_test_list = [y_test[:,:,1], y_test[:,:,2]]
scaler_y = [StandardScaler() for _ in range(2)]
y_train_list_f = [None for _ in range(2)]
for i in range(2):
scaler_y[i] = StandardScaler()
y_train_list_f[i] = scaler_y[i].fit_transform(y_train_list[i])
inputs = keras.Input(shape=(200, 5))
x = keras.layers.LSTM(100, return_sequences=True)(inputs)
x = keras.layers.LSTM(100)(x)
outputs = [keras.layers.Dense(200)(x) for i in range(2)]
model = keras.Model(inputs=inputs, outputs=outputs)
model.compile(loss = 'mean_squared_error' ,optimizer=keras.optimizers.Adam())
batch_size = 64
epochs = 1000
keras.utils.set_random_seed(1)
history = model.fit(
x_train,
y_train_list_f,
batch_size=batch_size,
epochs=epochs,
validation_split=0.15,
)
y_pred_list_f = model.predict(x_test)
y_pred_list = [None for _ in range(2)]
for i in range(2):
y_pred_list[i] = scaler_y[i].inverse_transform(y_pred_list_f[i])
metric = keras.metrics.R2Score()
for idx in range(2):
print(f"R2 score for label {idx}:")
metric.update_state(y_test_list[idx], y_pred_list[idx])
result = metric.result()
print(result)
|
R2スコアはこちら。CNNと同等か。
R2 score for label 0:
0.9999878
R2 score for label 1:
0.9999979
代表例をやってみる。
かなりあっている。最大誤差をヒストグラムにしたもの。
ちょっとCNNより劣るかな(パラメータ調整してないので)。次はTransformerをやってみよう。
« RF Weekly Digest (Gemini 3.1 Pro・Google AI Studio BuildによるAIで高周波・RF情報の週刊まとめアプリ)2026/5/10-5/17 | トップページ | 高周波・RFニュース 2026年5月19日 Test and Measurement Forumが開催、TechInsightsがApple Watch Series11 5Gを分解、ATISが5G通信のタイミングについてレポート、KeysightのTDR解説記事など »
「パソコン・インターネット」カテゴリの記事
「学問・資格」カテゴリの記事
- 高周波・RFニュース 2026年11月19日 Apple HomeViewをiFixitが分解・Wi-FiチップはMediaTek、SEMCOが車載2段積みと光学モジュール向けMLCC発表、Wi-Fi Forum2027登録開始、KeysightとCohereが6G Sensingで協業、Qorvoが病院でのUWB利用について解説(2026.11.19)
- 高周波・RFニュース 2026年11月18日 IEEE Microwave MagazineでプログラマブルRIS・CMOSテラヘルツなど、Microwave Journalで6G IoTなど、エリクソンとプリンストン大がOAMセンシングで協業、Xiaomi Poco X8 Power分解動画(2026.11.18)
「日記・コラム・つぶやき」カテゴリの記事
- 高周波・RFニュース 2026年11月19日 Apple HomeViewをiFixitが分解・Wi-FiチップはMediaTek、SEMCOが車載2段積みと光学モジュール向けMLCC発表、Wi-Fi Forum2027登録開始、KeysightとCohereが6G Sensingで協業、Qorvoが病院でのUWB利用について解説(2026.11.19)
- 高周波・RFニュース 2026年11月18日 IEEE Microwave MagazineでプログラマブルRIS・CMOSテラヘルツなど、Microwave Journalで6G IoTなど、エリクソンとプリンストン大がOAMセンシングで協業、Xiaomi Poco X8 Power分解動画(2026.11.18)
« RF Weekly Digest (Gemini 3.1 Pro・Google AI Studio BuildによるAIで高周波・RF情報の週刊まとめアプリ)2026/5/10-5/17 | トップページ | 高周波・RFニュース 2026年5月19日 Test and Measurement Forumが開催、TechInsightsがApple Watch Series11 5Gを分解、ATISが5G通信のタイミングについてレポート、KeysightのTDR解説記事など »




コメント