第一章 绪论 | 第8-14页 |
1.1 神经网络的发展与应用 | 第8-10页 |
1.2 神经网络在微波CAD领域中的应用及其意义 | 第10-12页 |
1.3 国内外研究现状 | 第12页 |
1.4 本文的主要工作和创新点 | 第12-14页 |
第二章 神经元模型和神经网络结构 | 第14-47页 |
2.1 神经元模型 | 第14-16页 |
2.2 网络结构及其符号表示 | 第16-18页 |
2.3 常用神经网络和学习算法 | 第18-34页 |
2.3.1 前向神经网络 | 第19-32页 |
2.3.2 递归网络 | 第32-33页 |
2.3.3 遗传算法 | 第33-34页 |
2.4 神经网络模型的改进 | 第34-39页 |
2.4.1 GA与MLP组成的混合神经网络 | 第34-35页 |
2.4.2 GRNN网络的改进 | 第35-36页 |
2.4.3 复杂网络的分解 | 第36-38页 |
2.4.4 改进遗传算法 | 第38-39页 |
2.5 神经网络工具箱的建立 | 第39-46页 |
2.5.1 神经网络的统一描述 | 第39-41页 |
2.5.2 建模时应注意的问题 | 第41-43页 |
2.5.3 微波神经网络数据库 | 第43-44页 |
2.5.4 微波神经网络工具箱 | 第44-46页 |
2.6 小结 | 第46-47页 |
第三章 微波传输线设计与仿真 | 第47-76页 |
3.1 带状线 | 第47-52页 |
3.1.1 传统带状线分析方法 | 第47-48页 |
3.1.2 自适应RBF神经网络 | 第48-52页 |
3.2 耦合带状线 | 第52-61页 |
3.2.1 侧边耦合带状线 | 第52-54页 |
3.2.2 宽边耦合带状线 | 第54-57页 |
3.2.3 宽边耦合垂直带状线 | 第57-59页 |
3.2.4 偏置平行耦合带状线 | 第59-61页 |
3.3 标准微带线 | 第61-63页 |
3.4 悬置微带线 | 第63-65页 |
3.5 倒置微带线 | 第65-66页 |
3.6 槽线 | 第66-67页 |
3.7 耦合微带线 | 第67-68页 |
3.8 共面波导 | 第68-70页 |
3.9 共面带状线 | 第70-71页 |
3.10 具有接地板的对称共面波导 | 第71-72页 |
3.11 使用GA算法进行微波传输线的综合 | 第72-74页 |
3.12 小结 | 第74-76页 |
第四章 微波无源元件 | 第76-92页 |
4.1 微波滤波器 | 第76-86页 |
4.1.1 低通原型滤波器 | 第76-80页 |
4.1.2 低通滤波器的微波电路实现 | 第80-83页 |
4.1.3 高通滤波器的设计 | 第83-85页 |
4.1.4 半波长侧边耦合带通滤波器的设计 | 第85-86页 |
4.2 阻抗变换器 | 第86-89页 |
4.3 定向耦合器 | 第89-92页 |
第五章 有源元件建模 | 第92-101页 |
5.1 直接建模法 | 第92-96页 |
5.1.1 基于神经网络的MESFET直流模型 | 第92-93页 |
5.1.2 三极管小信号神经网络模型 | 第93-95页 |
5.1.3 MESFET大信号神经网络模型 | 第95-96页 |
5.2 间接建模法 | 第96-99页 |
5.3 小结 | 第99-101页 |
第六章 神经网络的异化与混合神经网络 | 第101-118页 |
6.1 异化神经网络 | 第101-105页 |
6.1.1 新型的传输函数 | 第101页 |
6.1.2 新型的网络结构和训练算法 | 第101-102页 |
6.1.3 4H-SiC射频功率MESFET大信号直流模型 | 第102-105页 |
6.2 源差分法 | 第105-107页 |
6.3 源差分法的变形 | 第107-114页 |
6.3.1 知识预处理模型 | 第107-109页 |
6.3.2 知识后处理模型 | 第109-114页 |
6.4 混合神经网络 | 第114-117页 |
6.5 小结 | 第117-118页 |
第七章 单片微波集成电路(MMIC)设计 | 第118-130页 |
7.1 应用微波神经网络工具箱分析MMIC的特性 | 第118-120页 |
7.2 使用等效电路模型对MMIC进行设计和优化 | 第120-128页 |
7.3 神经网络在MMIC设计领域的其它应用 | 第128-130页 |
结束语 | 第130-131页 |
参考文献 | 第131-140页 |
发表论文和参加科研情况 | 第140-141页 |
致谢 | 第141页 |