应用近端策略优化 (PPO) 算法自动调整微波滤波器(python)

上传者: wq6qeg88 | 上传时间: 2022-05-11 09:04:20 | 文件大小: 370KB | 文件类型: ZIP
增强Learning_(ML)_PPO_Microwave滤波器调谐 制造的RF滤波器需要经过滤波器调谐过程,以保证性能而不影响性能 有许多因素,例如繁琐/困难的手动调整过程和过滤器特性,使过滤器调整过程更加复杂 机器学习方法用于缩短滤波器调优过程所花费的时间,提高调优结果的准确性 选择强化学习算法中的近端策略优化(PPO)作为其连续动作空间和连续控制任务中突出的发散速度 强化学习环境:HFSS(由PyCharm中的Python和IronPython脚本自动化) 应用操作后,状态(S 参数的距离)和奖励(距离之和)作为对代理的反馈 强化学习代理:PPO 代理(根据稳定基线 3 文档源代码修改) 代理学习并更新策略以提供要在环境中执行的最佳操作(HFSS 中的筛选器调整过程)

文件下载

资源详情

[{"title":"( 6 个子文件 370KB ) 应用近端策略优化 (PPO) 算法自动调整微波滤波器(python)","children":[{"title":"Reinforcement-Learning-ML---PPO---Filter-Tuning-main","children":[{"title":"Trained Model","children":[{"title":"ppo_model_2v_5000_steps.zip <span style='color:#111;'> 334.12KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 2.10KB </span>","children":null,"spread":false},{"title":"Code","children":[{"title":"RL Agent","children":[{"title":"ppo_train.py <span style='color:#111;'> 1.39KB </span>","children":null,"spread":false}],"spread":true},{"title":"HFSS Integration","children":[{"title":"integration.py <span style='color:#111;'> 1.36KB </span>","children":null,"spread":false}],"spread":true},{"title":"RL Environment","children":[{"title":"PPO_Env.py <span style='color:#111;'> 10.42KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"4thOrderChebyshev.aedt <span style='color:#111;'> 431.25KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明