高周波エンジニアのためのAI・機械学習入門(GPU編34) MATLAB OnlineのAntenna Toolboxのパッチアンテナ設計機能を使ってモンテカルロシミュレーションをして、DNNで予測してサロゲートモデルを作る。精度がどれも0.数%ととてもよかった。
前回はMATLAB OnlineのAntenna Toolboxで周波数、比誘電率を与えてパッチアンテナの寸法(W, L), 基板厚みh, フィード位置をdesign関数で設計し、周波数と比誘電率を振ってモンテカルロシミュレーションで10000個作った。
今回はそれをDNNで予測してみよう。
コードはこちら。
import os
os.environ["KERAS_BACKEND"] = "jax"
import keras
import jax
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from jax import config
config.update("jax_enable_x64", False)
plt.rcParams['font.family'] = 'Noto Sans CJK JP'
df = pd.read_csv('patch_mc.csv')
data = df[['f_GHz', 'epsr']].to_numpy()
label = df[['h_mm','W_mm', 'L_mm', 'feedX_mm']].to_numpy()
x_train, x_test, y_train, y_test = train_test_split(data, label, test_size=0.3, random_state=0)
normalizer = keras.layers.Normalization()
normalizer.adapt(x_train)
scaler_y = StandardScaler()
y_train_f = scaler_y.fit_transform(y_train)
y_test_f = scaler_y.transform(y_test)
inputs = keras.Input(shape=(2,))
hidden_dim = 128
x = normalizer(inputs)
x = keras.layers.Flatten()(inputs)
x = keras.layers.Dense(hidden_dim, activation="relu")(x)
x = keras.layers.LayerNormalization()(x)
x = keras.layers.Dense(hidden_dim, activation="relu")(x)
x = keras.layers.LayerNormalization()(x)
x = keras.layers.Dense(hidden_dim, activation="relu")(x)
x = keras.layers.LayerNormalization()(x)
outputs = keras.layers.Dense(4)(x)
model = keras.Model(inputs=inputs, outputs=outputs)
model.compile(loss = 'mean_squared_error' ,optimizer=keras.optimizers.Adam())
batch_size = 128
epochs = 500
keras.utils.set_random_seed(1)
history = model.fit(
x_train,
y_train_f,
batch_size=batch_size,
epochs=epochs,
validation_split=0.15,
)
y_pred_f = model.predict(x_test)
y_pred = scaler_y.inverse_transform(y_pred_f)
metric = keras.metrics.R2Score()
metric.update_state(y_test, y_pred)
result = metric.result()
print(result)
error = np.abs((y_test - y_pred)/y_test*100)
print(error.mean(axis=0))
|
結果を図示したもの。平均誤差が0.数%ととても精度がいい。
別の事例でもやってみよう。
« 高周波・RFニュース 2026年6月25日 Infineonが8Tx8RxのイメージレーダMMIC発表、Mini-Circuitsがパッシブバラン解説、TDKがフィルムキャパシタのシミュレーション解説、Quectelがスマートホーム向けに複数通信規格モジュール発表 | トップページ | 映画「スーパーガール」をIMAXで観てきた。面白かった!あの境遇ならやさぐれてクリプトだけが大事になるわ…とモモアが出てきて一気にマッドマックスぽくなるとか。やばい人だらけだが断トツやばいのはルーシーとクリプト。そしてでかいヘッドホンで大音量で音楽聴くと死ぬ。 »
「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
- RF Weekly Digest 2026/11/2-11/8 (Codex(GPT-6 Astra)によるRF情報週刊まとめ)(2026.11.08)
- 高周波・RFニュース 2026年11月6日 Qorvo AIがウェブサイトに追加、Nordicが低待機電力の新n71シリーズ発表、Nokiaがネットワークトラフィックレポート発行、ATISが無線物理層のホワイトペーパー発行、USIがWi-Fi 8モジュール発表、Keysightの新14ビットオシロなど(2026.11.06)
- RF Weekly Digest 2026/10/26-11/1 (Codex(GPT-6 Astra)によるRF情報週刊まとめ)(2026.11.01)
「日記・コラム・つぶやき」カテゴリの記事
- RF Weekly Digest 2026/11/2-11/8 (Codex(GPT-6 Astra)によるRF情報週刊まとめ)(2026.11.08)
- 高周波・RFニュース 2026年11月6日 Qorvo AIがウェブサイトに追加、Nordicが低待機電力の新n71シリーズ発表、Nokiaがネットワークトラフィックレポート発行、ATISが無線物理層のホワイトペーパー発行、USIがWi-Fi 8モジュール発表、Keysightの新14ビットオシロなど(2026.11.06)
- RF Weekly Digest 2026/10/26-11/1 (Codex(GPT-6 Astra)によるRF情報週刊まとめ)(2026.11.01)
« 高周波・RFニュース 2026年6月25日 Infineonが8Tx8RxのイメージレーダMMIC発表、Mini-Circuitsがパッシブバラン解説、TDKがフィルムキャパシタのシミュレーション解説、Quectelがスマートホーム向けに複数通信規格モジュール発表 | トップページ | 映画「スーパーガール」をIMAXで観てきた。面白かった!あの境遇ならやさぐれてクリプトだけが大事になるわ…とモモアが出てきて一気にマッドマックスぽくなるとか。やばい人だらけだが断トツやばいのはルーシーとクリプト。そしてでかいヘッドホンで大音量で音楽聴くと死ぬ。 »



コメント