INTELIGENTNA TECHNOLOGIA DOPASOWYWANIA DLA ELASTYCZNYCH ANTEN
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 14 Nr 4 (2024)
-
IDENTYFIKACJA SZTYWNEJ PRZESZKODY O DOWOLNYM KSZTAŁCIE OŚWIETLONEJ PŁASKĄ FALĄ AKUSTYCZNĄ PRZY UŻYCIU DANYCH Z BLISKIEGO POLA
Tomasz Rymarczyk, Jan Sikora5-9
-
OBRAZOWANIE OPARTE NA CZĘSTOTLIWOŚCI RADIOWEJ DO LOKALIZACJI WEWNĄTRZ POMIESZCZEŃ Z WYKORZYSTANIEM TECHNIK BEZPAMIĘCIOWYCH I TECHNOLOGII BEZPRZEWODOWEJ
Tammineni Shanmukha Prasanthi, Swarajya Madhuri Rayavarapu, Gottapu Sasibhushana Rao, Raj Kumar Goswami, Gottapu Santosh Kumar10-15
-
INTELIGENTNA TECHNOLOGIA DOPASOWYWANIA DLA ELASTYCZNYCH ANTEN
Olena Semenova, Andriy Semenov, Stefan Meulesteen, Natalia Kryvinska, Hanna Pastushenko16-22
-
RÓŻNICOWE MAPOWANIE MACIERZY MULLERA SKŁADNIKA POLIKRYSTALICZNEGO TKANEK BIOLOGICZNYCH NARZĄDÓW LUDZKICH
Andrei Padure, Oksana Bakun, Ivan Mikirin, Oleksandr Dubolazov, Iryna Soltys, Oleksandr Olar, Yuriy Ushenko, Oleksandr Ushenko, Irina Palii, Saule Kumargazhanova23-27
-
SELEKTOR POLARYZACJI NA FALOWODACH CZĘŚCIOWO WYPEŁNIONYCH DIELEKTRYKIEM
Vitaly Pochernyaev, Nataliia Syvkova, Mariia Mahomedova28-31
-
FUNKCJONALNIE ZINTEGROWANY PRZYRZĄD DO POMIARU TEMPERATURY
Les Hotra, Oksana Boyko, Igor Helzhynskyy, Hryhorii Barylo, Marharyta Rozhdestvenska, Halyna Lastivka32-37
-
BADANIA PROCESU KONTROLI OZONU Z WYKORZYSTANIEM CZUJNIKÓW ELEKTRONICZNYCH
Sunggat Marxuly, Askar Abdykadyrov, Katipa Chezhimbayeva, Nurzhigit Smailov38-45
-
OPTYMALIZACJA FARM WIATROWYCH: PORÓWNAWCZE ZWIĘKSZENIE WYDAJNOŚCI W WARUNKACH NISKIEJ PRĘDKOŚCI WIATRU
Mustafa Hussein Ibrahim, Muhammed A. Ibrahim, Salam Ibrahim Khather46-51
-
STEROWANIE MPPT SYSTEMU PV: ANALIZA PORÓWNAWCZA ALGORYTMÓW P&O, INCCOND, SMC I FLC
Khoukha Bouguerra, Samia Latreche, Hamza Khemlche, Mabrouk Khemliche52-62
-
15-POZIOMOWY ASYMETRYCZNY FALOWNIK WIELOPOZIOMOWY OPARTY NA TECHNOLOGII DSTATCOM POPRAWIAJĄCY JAKOŚĆ ZASILANIA
Panneerselvam Sundaramoorthi, Govindasamy Saravana Venkatesh63-70
-
SYMULACJA KOMPUTEROWA ZWARCIA TRANSFORMATORA NADPRZEWODNIKOWEGO
Leszek Jaroszyński71-74
-
STEROWANIE ZORIENTOWANE POLOWO DLA SILNIKÓW INDUKCYJNYCH OPARTE NA SZTUCZNEJ INTELIGENCJI
Elmehdi Benmalek, Marouane Rayyam, Ayoub Gege, Omar Ennasiri, Adil Ezzaidi75-81
-
BADANIE ZMIAN POZIOMU BEZPIECZEŃSTWA SIECI W OPARCIU O PODEJŚCIE KOGNITYWNE
Olha Saliieva, Yurii Yaremchuk82-85
-
WYKORZYSTANIE UCZENIA MASZYNOWEGO W SYSTEMACH WYKRYWANIA WŁAMANIA DO SIECI
Ahmad Sanmorino, Herri Setiawan, John Roni Coyanda86-89
-
WYKORZYSTANIE WEKTORÓW WSPIERAJĄCYCH DO ZBUDOWANIA OPARTEGO NA REGUŁACH SYSTEMU WYKRYWANIA ZŁOŚLIWYCH PROCESÓW W RUCHU SIECIOWYM ORGANIZACJI
Halyna Haidur, Sergii Gakhov, Dmytro Hamza90-96
-
WYODRĘBNIANIE PAR EMOCJA-PRZYCZYNA: METODOLOGIA OPARTA NA BiLSTM
Raga Madhuri Chandra, Giri Venkata Sai Tej Neelaiahgari, Satya Sumanth Vanapalli97-103
-
UDOSKONALENIE α-PARAMETERYZOWANEJ METODY PRZEKSZTAŁCENIA RÓŻNICZKOWEGO Z OPTYMALIZATOREM DANDELION DO ROZWIĄZYWANIA RÓWNAŃ RÓŻNICZKOWYCH ZWYCZAJNYCH
Mustafa Raed Najeeb, Omar Saber Qasim104-108
-
METODA ADAPTACYJNEGO KODOWANIA STATYSTYCZNEGO Z UWZGLĘDNIENIEM CECHY STRUKTURALNE OBRAZÓW WIDEO
Volodymyr Barannik, Dmytro Havrylov, Serhii Pantas, Yurii Tsimura, Tatayna Belikova, Rimma Viedienieva, Vasyl Kryshtal109-114
-
OPTYMALIZACJA PROGNOZOWANIA SZEREGÓW CZASOWYCH: WYKORZYSTANIE MODELI UCZENIA MASZYNOWEGO W CELU ZWIĘKSZENIA DOKŁADNOŚCI PREDYKCYJNEJ
Waldemar Wójcik, Assem Shayakhmetova, Ardak Akhmetova, Assel Abdildayeva, Galymzhan Nurtugan115-120
-
SYNCHRONIZACJA ZARZĄDZANIA STEROWANEGO ZDARZENIAMI PODCZAS GROMADZENIA DANYCH
Valeriy Kuzminykh, Oleksandr Koval, Yevhen Havrylko, Beibei Xu, Iryna Yepifanova, Shiwei Zhu, Nataliia Bieliaieva, Bakhyt Yeraliyeva121-129
-
UKŁAD INTERFEJSU A WYDAJNOŚĆ PRZYSWAJANIA INFORMACJI W PROCESIE UCZENIA SIĘ
Julia Zachwatowicz, Oliwia Zioło, Mariusz Dzieńkowski130-135
-
ZAUTOMATYZOWANY SYSTEM ZARZĄDZANIA WODĄ Z PROGNOZOWANIEM ZAPOTRZEBOWANIA OPARTYM NA SZTUCZNEJ INTELIGENCJI
Arman Mohammad Nakib136-140
-
SCHEMATY UML SYSTEMU ZARZĄDZANIA STANOWISKAMI UTRZYMANIA
Lyudmila Samchuk, Yuliia Povstiana141-145
-
PRZEWIDYWANIE WAGI DEFEKTU KODU NA PODSTAWIE UCZENIA ZESPOŁOWEGO
Ghada Mohammad Tahir Aldabbagh, Safwan Omar Hasoon146-153
-
NIEDROGA RZECZYWISTOŚĆ ROZSZERZONA W CHIRURGII KRĘGOSŁUPA: BADANIE EMPIRYCZNE DOTYCZĄCE POPRAWY WIZUALIZACJI I DOKŁADNOŚCI CHIRURGICZNEJ
Iqra Aslam, Muhammad Jasim Saeed, Zarmina Jahangir, Kanza Zafar, Muhammad Awais Sattar154-163
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Elastyczne anteny zrewolucjonizowały komunikację bezprzewodową jako integralny element nowoczesnych inteligentnych urządzeń. Ich unikalne właściwości obejmują większą elastyczność projektowania, zwiększoną wydajność i bezproblemowe wdrażanie w inteligentnych urządzeniach. Jednak przy projektowaniu anten często konieczne jest jednoczesne uwzględnienie kilku celów, które są ze sobą sprzeczne. Zastosowanie sztucznych sieci neuronowych w strategii optymalizacji dało już obiecujące wyniki w problematyce projektowania anten. Sieci neuronowe potrafią dostosowywać się do zmieniających się wymagań i ograniczeń. Dlatego są one cennym narzędziem do dostrajania anten do konkretnych warunków pracy. Wykorzystanie sztucznych sieci neuronowych do projektowania elastycznych anten pozwala naukowcom rozszerzyć przestrzeń projektową, zoptymalizować charakterystykę anteny z większą wydajnością i ujawnić innowacyjne rozwiązania, które mogą nie być oczywiste przy użyciu tradycyjnych metod projektowania. W pracy autorzy proponują wyznaczenie niezbędnych parametrów i charakterystyk elastycznych anten z wykorzystaniem metod sztucznej inteligencji, czyli logiki rozmytej, sieci neuronowych i algorytmów genetycznych. Opracowano technikę dopasowywania opartą na sieci neuronowej do projektowania elastycznych anten. Opracowano sieć neuronową. Wyprodukowano i przetestowano kilka próbek elastycznych anten na potrzeby uczenia sieci neuronowej. Wykonano symulację opracowanej sieci neuronowej. Na koniec przetestowano powstałą elastyczną antenę.
Słowa kluczowe:
Bibliografia
[1] Aggarwal C. C.: Neural Networks and Deep Learning. Springer International Publishing, 2023 [https://doi.org/10.1007/978-3-031-29642-0].
[2] Al-Haddad M. A. S. M., Jamel N., Nordin A. N.: Flexible Antenna: A Review of Design, Materials, Fabrication, and Applications. Journal of Physics: Conference Series 1878(1), 2021, 012068 [https://doi.org/10.1088/1742-6596/1878/1/012068].
[3] Arunprasad V., Gupta B., Karthikeyan T., Ponnusamy M.: Hybrid neuro-fuzzy-genetic algorithms for optimal control of autonomous systems. ICTACT Journal on Soft Computing 13(4), 2023, 3015–3020 [https://doi.org/10.21917/ijsc.2023.0424].
[4] Bai Z.: Research on Application of Artificial Intelligence in Communication Network. Journal of Physics: Conference Series 2209(1), 2022, 012014 [https://doi.org/10.1088/1742-6596/2209/1/012014].
[5] Bhalke D., Paikrao P. D., Anguera J.: Deep Learning-based Beamforming Approach Incorporating Linear Antenna Arrays. Journal of Telecommunications and Information Technology 2(2), 2024, 66–70 [https://doi.org/10.26636/jtit.2024.2.1530].
[6] Hamrouni C., Alutaybi A., Chaoui S.: Various Antenna Structures Performance Analysis based Fuzzy Logic Functions. International Journal of Advanced Computer Science and Applications 13(1), 2022 [https://doi.org/10.14569/ijacsa.2022.0130109].
[7] Ishaque M., Johar M. G. M., Khatibi A., Yamin M.: A novel hybrid technique using fuzzy logic, neural networks and genetic algorithm for intrusion detection system. Measurement: Sensors 30, 2023, 100933 [https://doi.org/10.1016/j.measen.2023.100933].
[8] Islamov I.: Optimization of Broadband Microstrip Antenna Device for 5G Wireless Communication Systems. Transport and Telecommunication Journal 24(4), 2023, 409–422 [https://doi.org/10.2478/ttj-2023-0032].
[9] Kahraman C., Onar S., Oztaysi B., Cebi S.: Role of Fuzzy Sets on Artificial Intelligence Methods: A literature Review. Transactions on Fuzzy Sets and Systems 1(2), 2023, 158-178 [https://doi.org/10.30495/tfss.2023.1976303.1060].
[10] Kayabasi A.: Triangular Ring Patch Antenna Analysis: Neuro-Fuzzy Model for Estimating of the Operating Frequency. ACES Journal 36(11), 2021, 1412–1417 [https://doi.org/10.13052/2021.aces.j.361104].
[11] Kirtania S. G., Elger A. W., Hasan Md. R., Wisniewska A., Sekhar K., Karacolak T., Sekhar P. K.: Flexible Antennas: A Review. Micromachines 11(9), 2020, 847 [https://doi.org/10.3390/mi11090847].
[12] Korkmaz S., Alibakhshikenari M., Kouhalvandi L.: A Framework for Optimizing Antenna Through Genetic Algorithm-Based Neural Network. Acta Marisiensis. Seria Technologica 20(1), 2023, 49–53 [https://doi.org/10.2478/amset-2023-0009].
[13] Kushwah V. S., Tomar G. S.: Design and Analysis of Microstrip Patch Antennas Using Artificial Neural Network. Trends in Research on Microstrip Antennas. InTech, 2017 [https://doi.org/10.5772/intechopen.69522].
[14] Lahiani M. A., Raida Z., Veselý J., Olivová J.: Pre-Design of Multi-Band Planar Antennas by Artificial Neural Networks. Electronics 12(6), 2023, 1345 [https://doi.org/10.3390/electronics12061345].
[15] Meulesteen S., Semenov A.O., Semenova O., Koval K., Datsiuk D., Fomenko H.: Cellular Lifesaving Flexible Device. 5th International Conference on Nanotechnologies and Biomedical Engineering ICNBME-2021 [https://doi.org/10.1007/978-3-030-92328-0_50].
[16] Mohamed N.: Importance of Artificial Intelligence in Neural Network through using MediaPipe. 6th International Conference on Electronics, Communication and Aerospace Technology ICECA, 2022 [https://doi.org/10.1109/iceca55336.2022.10009513].
[17] Naganaik M.: Design of Printed Antennas Using Hybrid Soft Computing Methods. International Journal for Research in Applied Science and Engineering Technology – IJRASET 6(4), 2018 [https://doi.org/10.22214/ijraset.2018.4704].
[18] Panagiotou S. C., Thomopoulos S. C. A., Capsalis C. N.: Genetic Algorithms in Antennas and Smart Antennas Design Overview: Two Novel Antenna Systems for Triband GNSS Applications and a Circular Switched Parasitic Array for WiMax Applications Developments with the Use of Genetic Algorithms. International Journal of Antennas and Propagation 2014, 729208 [https://doi.org/10.1155/2014/729208].
[19] Ramasamy R., Anto Bennet M.: An Efficient Antenna Parameters Estimation Using Machine Learning Algorithms. Progress in Electromagnetics Research C 130, 2023, 169–181 [https://doi.org/10.2528/pierc22121004].
[20] Saçın E. S., Durgun A. C.: Neural Network Modeling of Antennas on Package for 5G Applications. 17th European Conference on Antennas and Propagation (EuCAP), Florence, Italy, 2023, 1–5 [https://doi.org/10.23919/EuCAP57121.2023.10133407].
[21] Samantaray B., Das K. K., Roy J. S.: Designing Smart Antennas Using Machine Learning Algorithms. Journal of Telecommunications and Information Technology 4, 2023, 46–52 [https://doi.org/10.26636/jtit.2023.4.1329].
[22] Semenov A., Pastushenko A., Semenova O., Koval K.: Flexible Antenna for LTE-M1 Wearables. Physical and technological problems of transmission, processing and storage of information in infocommunication systems. IX International Scientific Practical Conference Physical and Technological Problems of Transmission, Processing and Storage of Information in Infocommunication Systems, Chernivtsi-Suceava 2021, 49–50.
[23] Semenov A., Semenova O., Meulesteen S.: Flexible Antenna for Cellular IoT Device. IEEE 2nd Ukrainian Microwave Week UkrMW, Ukraine 2022, 293–298 [https://doi.org/10.1109/UkrMW58013.2022.10037036].
[24] Semenov A., Semenova O., Meulesteen S., Koval K., Datsiuk D., Fomenko H., Ageyev D.: Cellular IoT Personal Health and Safety Monitoring. IEEE 9th International Conference on Problems of Infocommunications, Science and Technology PIC S&T 2022
[https://doi.org/10.1109/picst57299.2022.10238557].
[25] Semenov A., Semenova O., Pinaiev B., Kulias R., Shpylovyi O.: Development of a flexible antenna-wristband for wearable wrist-worn infocommunication devices of the LTE standard. Technology audit and production reserves 3(1), 2022, 20–26 [https://doi.org/10.15587/2706-5448.2022.261718].
[26] Sharma K., Pandey G. P.: Designing a Compact Microstrip Antenna Using the Machine Learning Approach. Journal of Telecommunications and Information Technology 4, 2020, 44–52
[https://doi.org/10.26636/jtit.2020.143520].
[27] da Silva I. N., Hernane Spatti D., Andrade Flauzino R., Liboni L. H. B., dos Reis Alves S. F.: Artificial Neural Networks. Springer International Publishing, 2017 [https://doi.org/10.1007/978-3-319-43162-8].
[28] Singh P., Panda S. S., Dash J. C., Riscob B., Pathak S. K., Hegde R. S.: Rapid Multi-Objective Inverse Design of Antenna Via Deep Neural Network Surrogate-Driven Evolutionary Optimization. TechRxiv. June 03, 2024 [https://doi.org/10.36227/techrxiv.171742511.11489750/v1].
[29] Sohail A.: Genetic Algorithms in the Fields of Artificial Intelligence and Data Sciences. Annals of Data Science 10(4), 2021, 1007–1018 [https://doi.org/10.1007/s40745-021-00354-9].
[30] Wang Z., Qin J., Hu Z., He J., Tang, D.: Multi-Objective Antenna Design Based on BP Neural Network Surrogate Model Optimized by Improved Sparrow Search Algorithm. Applied Sciences 12(24), 2022, 12543 [https://doi.org/10.3390/app122412543].
[31] Zhang X.-S.: Neural Networks in Optimization. In: Zhang X.-S.: Nonconvex Optimization and Its Applications. Springer US, New York 2013 [https://doi.org/10.1007/978-1-4757-3167-5].
[32] Zhang X.-Y., Tian Y.-B., Zheng X.: Antenna Optimization Design Based on Deep Gaussian Process Model. International Journal of Antennas and Propagation 2020, 2154928 [https://doi.org/10.1155/2020/2154928].
##plugins.themes.bootstrap3.article.details##
Abstract views: 381
Downloads: 381

