【技术实现步骤摘要】
本专利技术属于电子信息，尤其涉及一种用于超表面电磁特性估算的多模态深度学习模型构建方法、介质、设备及应用。
技术介绍
1、目前：使用深度学习进行超表面电磁特性的估计是一个被广泛研究的问题，其涉及的领域包括无线通信、电磁仿真等。使用深度学习进行超表面电磁特性的估计的一大研究趋势是提高电磁特性估计过程的准确性和效率。对于提高电磁特性估计过程的准确性和效率而言，使用多模态深度学习模型这一手段被较少研究。
2、通常而言，使用深度学习进行超表面电磁特性的估计的准确性和效率取决于两个方面，第一个方面是构建训练深度学习模型所需的训练样本集的规模，第二个方面是深度学习模型本身提取训练样本集中数据特征的能力，规模越大、特征提取能力越强则准确性和效率越高，反之越低。在获得训练样本集后，已有的方法都通过构建单模态深度学习模型提取来自训练样本集中数据的特征，例如使用全连接层和配套的激活层、归一化层等提取来自超表面参数向量中的特征，此时深度学习模型只利用超表面参数向量这一个模态的数据，或者使用卷积层和配套的归一化层等提取来自超表面图案形状中的特征，此...
【技术保护点】
1.一种用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述用于超表面电磁特性估算的多模态深度学习模型构建方法包括：
2.如权利要求1所述的用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述用于超表面电磁特性估算的多模态深度学习模型构建方法具体包括以下步骤：
3.如权利要求2所述的用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述MMN模型构造方法包括：
4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，...
【技术特征摘要】
1.一种用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述用于超表面电磁特性估算的多模态深度学习模型构建方法包括：
2.如权利要求1所述的用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述用于超表面电磁特性估算的多模态深度学习模型构建方法具体包括以下步骤：
3.如权利要求2所述的用于超表面电磁特性估算的多模态深度学习模型构建方法，其特征在于，所述mmn模型构造方法包括：
4.一种计算机设备，其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。