超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模

摘要

针对射频器件建模中使用直接逆向神经网络精度较低,BP逆向神经网络泛化能力较差的问题,提出一种性能函数为贝叶斯L1/2范数的逆向神经网络建模方法.贝叶斯方法调整网络权系数避免过拟合现象,使模型输出更加平滑;增加L1/2范数扩充输入向量,使网络结构稀疏化且泛化能力更强.应用于超宽带滤波器谐振器逆向建模中,根据陷波频率处插入损耗值,求解对应的长度和宽度.结果 表明:该方法与BP逆向建模方法相比,求得的长度、宽度和频率相对误差分别减小81.4％、99.8％、48.9％,网络运行时间减少16.3％,不存在多解问题,建模效率更高.