高周波エンジニアのためのAI・機械学習入門（GPU編32）51次のLCバンドパスフィルタ（L,Cパラメータ102個）のSパラメータの値からKeras3(バックエンドはJax)を使って畳み込みニューラルネットワーク(CNN)でL、Cを推定する。102個でもどれも平均誤差1%以下。

さて、3次、21次のLCバンドパスフィルタ（パラメータは6、42）でSパラメータの値からL,Cを機械学習で予測することをやってきた。

じゃあもっと増やして100個以上のパラメータならどうなるんだろう？とおもったのでやってみた。

具体的には51次のチェビシェフ特性のバンドパスフィルタのSパラメータデータを10000個、モンテカルロシミュレーションで作る。

コードは前回の21を51にするだけなので略。。

もう長方形だな。これをCNNで予測すると…（これもコードのパラメータを51に変えるだけなので略）

全パラメータ1％以下の平均誤差に収まっている。パラメータが増えたからと言って悪化するものでもなさそうだ。

これは一瞬で予測できるから他の最適化より十分使えそう。