Destek vektör makinelerinin mikrodalga teori ve tekniğindeki uygulamaları

Abstract

Elektronik endüstrisindeki üretilebilir tasarım gereksinimi ve kısa pazarlama süresi talebi, artan devre karmaşıklığı ve frekans ile birleşince tasarım aşamasında güçlü bilgisayar destekli tasarım metodolojilerini gerekli kılmaktadır. Son on yılda Destek Vektör Makineleri (DVM) diğer klasik optimizasyon tekniklerine rakip hızlı ve yüksek doğruluğa sahip öğrenen makineler olarak sınıflandırma ve regresyon problemlerine başarıyla uygulanmaktadır. Bu tez çalışmasında, DVM' nin mikrodalga teori ve tekniğindeki uygulamalarına öncülük etmek amaçlanmıştır. Bu amaçla DVM çeşitli aktif/pasif mikrodalga cihazların analiz ve sentez modeline uyarlanmış ve Destek Vektör Regresyon Makineleri (DVRM)'nin üstünlükleri Yapay Sinir Ağları (YSA) ile karşılaştırılarak belirtilmiştir. Bu tezdeki DVRM uygulamaları kısaca şu şekilde özetlenebilir: (i) Bir mikrodalga transistörün küçük-işaret ve gürültü davranışlarının modellenmesi yapılmıştır. (ii) Mikroşerit iletim hatlarının analiz ve sentezi, analiz DVRM/YSA kara-kutusunun iki yönlü kullanılması ile gerçeklenmiştir. (iii) Cihaz ölçüm verilerinin DVRM formülasyonuna tipik bir örnek olarak, mikroşerit antenlerin ölçüm verisinin destek vektör karakterizasyonu gerçekleştirilmiştir. (iv) Kaba modeller kadar hızlı, hassas modeller kadar doğru çalışan, ?Bilgi-Tabanlı? destek vektör makineleri tasarlanmış ve RF/Mikrodalga düzlemsel iletim hatlarının sentezine uygulanmıştır. (v) ?Uzman Regresyon Sistemlerinin Uzlaşması? tasarlanmış ve hızlı ve verimli bir sistem olarak mikrodalga teknolojisine uygulanmıştır.

The drive in the electronics industry for manufacturability driven design and time to market, coupled with ever-increasing circuit complexities and operating frequencies, demands powerful computer-aided design (CAD) methodologies. Within the last decade, Support Vector Machines (SVM) have emerged as fast and highly accurate nonlinear learning machines that can be interactively used in a wide range of classification and regression problems, resulting in its improved generalization performance over other classical optimization techniques. The motivation of this thesis is to be one of the pioneering works in SVM applications into the microwave theory and technique. Therefore in this thesis, SVM is adopted to the modeling, analysis and synthesis of the various active/passive microwave devices and the superiorities of Support Vector Regression Machines (SVRM) are determined comparable with the similar properties of Artificial Neural Networks (ANN). If briefly mentioned, the SVRM applications in this thesis can be ordered as follows: (i) Modeling of the small-signal and noise behaviors of a microwave transistor; (ii) The analysis and synthesis of the microstrip lines using the analysis SVRM/ANN black-box bidirectionally. (iii) As a typical example for SVRM formulation of the device measurement data, the support vector characterization of the measurement data of the microstrip antennas is realized. (iv) The ?Knowledge-based? SVM which is as fast as coarse models and as accurate as fine models is designed and is applied into the synthesis of RF/Microwave planar transmission lines. (v) ?The Consensual of Expert Regressor Systems? is designed and applied into microwave as a fast and efficient system.