Programa de Pós-Graduação em Engenharia Elétrica e de Computação
URI Permanente desta comunidadehttps://repositorio.ufrn.br/handle/123456789/11949
Navegar
Navegando Programa de Pós-Graduação em Engenharia Elétrica e de Computação por Autor "04401565487"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Tese Novo método de síntese de FSS multibanda baseado em aprendizado de máquina para sistemas de comunicação sem fio(Universidade Federal do Rio Grande do Norte, 2021-07-09) Fontoura, Leidiane Carolina Martins de Moura; D'Assunção, Adaildo Gomes; D'Assunção, Adaildo Gomes; 04401565487; http://lattes.cnpq.br/4159638862269940; http://lattes.cnpq.br/4159638862269940; http://lattes.cnpq.br/6260601474854896; D'Assunção Júnior, Adaildo Gomes; http://lattes.cnpq.br/7359899329008024; Gomes Neto, Alfredo; http://lattes.cnpq.br/1403715441701958; Peixeiro, Custódio José Oliveira; Lins, Hertz Wilton de Castro; http://lattes.cnpq.br/7712686175574736; Mendonça, Laercio Martins de; http://lattes.cnpq.br/1853488415531363; Silva Neto, Valdemir Praxedes da; http://lattes.cnpq.br/4160231554601828Este trabalho realiza um estudo sobre a aplicação do aprendizado de máquina supervisionado, com o algoritmo árvore de decisão, na síntese de superfícies seletivas de frequência, ou simplesmente FSS. Para isso, utilizou-se a flor de girassol (Helianthus annuus) como elemento base, tratando-se de uma geometria original e simplificada, com características de resposta em frequência semelhantes às de estruturas fractais. O trabalho é dividido em duas partes: caracterização do elemento proposto e síntese da FSS multibanda. Inicialmente, a evolução da geometria e as equações de projeto são apresentadas. As estruturas intermediárias e a proposta são caracterizadas numericamente pelo programa comercial Ansoft Designer, fabricadas e caracterizadas experimentalmente, verificando-se boa concordância entre os resultados simulados e medidos. Na segunda etapa, a geometria flor de girassol é parcialmente modificada para definir variáveis de parametrização. O Ansoft Designer caracteriza numericamente cada valor de variável da nova geometria e gera as respostas em frequência sem repetição. O algoritmo árvore de decisão realiza a classificação e avaliação do conjunto de dados, e o algoritmo floresta aleatória valida e confirma os resultados. Este processo e a síntese da FSS usando o algoritmo árvore de decisão ocorrem em menos de 10 segundos, com acurácia maior que 90%, atendendo aos critérios desejáveis, sob dois cenários distintos. O algoritmo árvore de decisão aprende regras de decisão simples inferidas de dados de treinamento, com cálculos simples e fáceis de implementar, escrito na linguagem Python. A acurácia é um parâmetro usado para medir a qualidade da predição no treinamento e validação do algoritmo. Com base nestes cenários, duas FSS são fabricadas e caracterizadas experimentalmente, obtendo resultados simulados e medidos com boa concordância. As estruturas FSS projetadas e fabricadas têm bandas de operação com aspecto closely spaced. Consequentemente, observa-se que a agilidade e a precisão deste algoritmo de classificação tornam a síntese das estruturas particularmente interessante. Destacam-se implementação intuitiva, simplicidade no treinamento e validação, e modelo de análise de dados eficiente.