Made available in DSpace on 2014-12-17T14:56:21Z (GMT). No. of bitstreams: 1
PatricLS.pdf: 758253 bytes, checksum: 5014311c01c22242625c739abbfdc673 (MD5)
Previous issue date: 2006-06-09 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This work has as main objective the application of Artificial Neural Networks, ANN, in the resolution of problems of RF /microwaves devices, as for example the prediction of the frequency response of some structures in an interest region. Artificial Neural Networks, are presently a alternative to the current methods of analysis of microwaves structures. Therefore they are capable to learn, and the more important to generalize the acquired knowledge, from any type of available data, keeping the precision of the original technique and adding the low computational cost of the neural models. For this reason, artificial neural networks are being increasily used for modeling microwaves devices. Multilayer Perceptron and Radial Base Functions models are used in this work. The advantages/disadvantages of these models and the referring algorithms of training of each one are described. Microwave planar devices, as Frequency Selective Surfaces and microstrip antennas, are in evidence due the increasing necessities of filtering and separation of eletromagnetic waves and the miniaturization of RF devices. Therefore, it is of fundamental importance the study of the structural parameters of these devices in a fast and accurate way. The presented results, show to the capacities of the neural techniques for modeling both Frequency Selective Surfaces and antennas / Este trabalho tem como principal objetivo a aplica??o de Redes Neurais Artificiais, RNA, na resolu??o de problemas de dispositivos de RF /microondas, como por exemplo a predi??o da resposta em freq??ncia de algumas estruturas em uma regi?o de interesse. As Redes Neurais Artificiais se apresentam como uma alternativa aos m?todos atuais de an?lise de estrutura de microondas, pois s?o capazes de aprender, e o mais importante generalizar o conhecimento adquirido, a partir de qualquer tipo de dado dispon?vel, mantendo a precis?o da t?cnica original utilizada e aliando o baixo custo computacional dos modelos neurais. Por esse motivo, as redes neurais artificiais s?o cada vez mais utilizadas para a modelagem de dispositivos de microondas. S?o utilizados neste trabalho os modelos Perceptron de M?ltiplas Camadas e de Fun??es de Base Radiais. S?o descritas as vantagens/desvantagens de cada um desses modelos, assim como os algoritmos de treinamento referentes a cada um deles. Dispositivos planares de microondas, como Superf?cies Seletivas de Freq??ncias e as antenas de microfita, ganham cada vez mais destaque devido ?s necessidades crescentes de filtragem e separa??o de ondas eletromag?ticas e ? miniaturiza??o de dispositivos de R?dio-Freq??ncia. Por isso ? de import?ncia fundamental o estudo dos par?metros estruturais desses dispositivos de forma r?pida e precisa. Os resultados apresentados, demonstram as capacidades das t?cnicas neurais para modelagem de Superf?cies Seletivas de Freq??ncia e antenas
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15517 |
| Date | 09 June 2006 |
| Creators | Silva, Patric Lacouth da |
| Contributors | CPF:04401565487, Abdalla J?nior, Humberto, CPF:06952445404, http://lattes.cnpq.br/4878042077211058, Silva, Paulo Henrique da Fonseca, CPF:98196294700, http://lattes.cnpq.br/0656625630248917, Sousa, Fernando Rangel de, CPF:88464911491, http://lattes.cnpq.br/9092018794878372, D'assun??o, Adaildo Gomes |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds