GEOTRUST SSL CERTIFICATE
Titre : | La modélisation Paramétrique d'un Filtre Microstrip basé sur un Deep Learning Neural Network (DLNN) |
Auteurs : | CHETOUI Mohammed, Directeur de thèse ; CHAKIR Aicha, Auteur |
Type de document : | texte imprimé |
Editeur : | univ saida- Dr.moulay tahar, 2021 |
Format : | 77p. / 27cm. |
Accompagnement : | CD |
Note générale : |
Chapitre 01 : Théorie des filtres et Technologie micro ruban
Chapitre02 : Deep Learning Chapitre03 : Résultats et Discussion |
Langues: | Français |
Catégories : | |
Mots-clés: | Technologie planaire, antennes, PIFA, matrices, simulation EM, communication mobile. |
Résumé : | La technique de Deep learning Neural Network (DLNN) a été reconnue comme une technique puissante dans la modélisation et la conception des filtres micro-ondes. Cette thèse propose une nouvelle topologie de DLNN pour modélisation de composants micro-ondes. Dans le DLNN proposé, les sorties sont des S-paramètres. Les entrées du modèle proposé incluent des variables géométriques et la fréquence. Les couches cachées gèrent à la fois les entrées géométriques et les entrées de fréquence. La technique proposée est démontrée par un exemple de modélisation paramétrique hyperfréquence. |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
TECT06399 | T.EN.MS00575 | Périodique | Salle des Thèses | Electronique | Disponible |
Documents numériques (1)
La modélisation Paramétrique d'un Filtre Microstrip basé sur un Deep Learning Neural Network (DLNN) Adobe Acrobat PDF |