1 |
1
단위 셀; 및상기 단위 셀 내에 형성된 패치를 포함하고,상기 단위 셀의 패치 모양이 역방향 네트워크에서 출력되는 구조변수 값으로 정의되고,컴퓨터 시스템에 의해, 구조변수 값으로 투과 계수 값을 예측하는 순방향 네트워크가 학습된 후 입력을 투과 계수 값으로 하고 출력을 구조변수 값으로 하는 상기 역방향 네트워크가 학습되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
2 |
2
제1 항에 있어서,상기 컴퓨터 시스템에 의해, 상기 역방향 네트워크의 출력값이 상기 순방향 네트워크로 입력된 후 상기 순방향 네트워크의 출력값이 상기 역방향 네트워크의 입력값과 비교되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
3 |
3
제2 항에 있어서,상기 컴퓨터 시스템에 의해, 상기 순방향 네트워크의 출력값과 상기 역방향 네트워크의 입력값이 다를 경우에 상기 역방향 네트워크의 손실 값이 추가되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
4 |
4
제1 항에 있어서,상기 컴퓨터 시스템에 의해, 상기 역방향 네트워크의 학습을 위한 학습 데이터가 상기 순방향 네트워크를 이용하여 추가되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
5 |
5
제4 항에 있어서,상기 컴퓨터 시스템에 의해, 구조변수 데이터 공간에서 임의로 선정된 값들이 학습된 상기 순방향 네트워크에 입력되어 투과 계수와 구조변수 값의 데이터쌍을 만들고, 상기 데이터쌍 중에서 상기 역방향 네트워크의 학습 데이터가 선정되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
6 |
6
제1 항에 있어서,상기 패치는 예루살렘 십자가 구조의 패치를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
7 |
7
제6 항에 있어서,상기 구조변수 값은 상기 예루살렘 십자가 구조에서 십자가 끝단에 갈라져 연장된 가지부의 연장 각도를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
8 |
8
제6 항에 있어서,상기 구조변수 값은 상기 예루살렘 십자가 구조를 형성하는 패치의 패턴 폭을 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
9 |
9
제6 항에 있어서,상기 구조변수 값은 상기 예루살렘 십자가 구조에서 십자가 끝단에서 갈라져 연장된 가지부에서 십자가 중심을 향해 꺾여진 부분의 길이를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
10 |
10
제6 항에 있어서,상기 구조변수 값은 상기 예루살렘 십자가 구조의 반경을 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
11 |
11
제1 항에 있어서,상기 순방향 네트워크와 상기 역방향 네트워크의 학습조절을 위한 하이퍼 파라미터는 활성화 함수, 가중치 초기화, 레이어 수, 레이어 당 노드 수, 손실 함수 및 옵티마이저 중 적어도 하나를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
12 |
12
단위 셀; 및상기 단위 셀 내에 형성된 패치를 포함하고,상기 단위 셀의 패치 모양이 역방향 네트워크에서 출력되는 구조변수 값으로 정의되고,컴퓨터 시스템에 의해, 입력을 투과 계수 값으로 하고 출력을 구조변수 값으로 하는 상기 역방향 네트워크의 학습 데이터가 부족할 때, 구조변수 데이터 공간에서 임의로 선정된 값들이 미리 학습된 순방향 네트워크에 입력되어 투과 계수와 구조변수 값의 데이터쌍이 만들어 지고, 상기 데이터쌍 중에서 상기 역방향 네트워크의 학습 데이터가 선정되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
13 |
13
제12 항에 있어서,상기 컴퓨터 시스템에 의해, 상기 역방향 네트워크의 출력값이 상기 순방향 네트워크로 입력된 후 상기 순방향 네트워크의 출력값이 상기 역방향 네트워크의 입력값과 비교되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
14 |
14
제13 항에 있어서,상기 컴퓨터 시스템에 의해, 상기 순방향 네트워크의 출력값과 상기 역방향 네트워크의 입력값이 다를 경우에 상기 역방향 네트워크의 손실 값이 추가되는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
15 |
15
제12 항에 있어서,상기 패치는 예루살렘 십자가 구조의 패치를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|
16 |
16
제12 항에 있어서,상기 순방향 네트워크와 상기 역방향 네트워크의 학습조절을 위한 하이퍼 파라미터는 활성화 함수, 가중치 초기화, 레이어 수, 레이어 당 노드 수, 손실 함수 및 옵티마이저 중 적어도 하나를 포함하는 딥러닝을 이용한 투과형 메타표면 안테나 단위 셀
|