Fuhrländer, Mona ; Schöps, Sebastian (2022)
Yield Optimization using Hybrid Gaussian Process Regression and a Genetic Multi-Objective Approach.
In: Advances in Radio Science, 19
doi: 10.5194/ars-19-41-2021
Artikel, Bibliographie
Dies ist die neueste Version dieses Eintrags.
Kurzbeschreibung (Abstract)
Quantification and minimization of uncertainty is an important task in the design of electromagnetic devices, which comes with high computational effort. We propose a hybrid approach combining the reliability and accuracy of a Monte Carlo analysis with the efficiency of a surrogate model based on Gaussian Process Regression. We present two optimization approaches. An adaptive Newton-MC to reduce the impact of uncertainty and a genetic multi-objective approach to optimize performance and robustness at the same time. For a dielectrical waveguide, used as a benchmark problem, the proposed methods outperform classic approaches.
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2022 |
| Autor(en): | Fuhrländer, Mona ; Schöps, Sebastian |
| Art des Eintrags: | Bibliographie |
| Titel: | Yield Optimization using Hybrid Gaussian Process Regression and a Genetic Multi-Objective Approach |
| Sprache: | Englisch |
| Publikationsjahr: | 2022 |
| Verlag: | Copernicus Publications |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | Advances in Radio Science |
| Jahrgang/Volume einer Zeitschrift: | 19 |
| DOI: | 10.5194/ars-19-41-2021 |
| Zugehörige Links: | |
| Kurzbeschreibung (Abstract): | Quantification and minimization of uncertainty is an important task in the design of electromagnetic devices, which comes with high computational effort. We propose a hybrid approach combining the reliability and accuracy of a Monte Carlo analysis with the efficiency of a surrogate model based on Gaussian Process Regression. We present two optimization approaches. An adaptive Newton-MC to reduce the impact of uncertainty and a genetic multi-objective approach to optimize performance and robustness at the same time. For a dielectrical waveguide, used as a benchmark problem, the proposed methods outperform classic approaches. |
| Zusätzliche Informationen: | Special issue statement: This article is part of the special issue “Kleinheubacher Berichte 2020”. |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder > Computational Electromagnetics 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder |
| Hinterlegungsdatum: | 02 Aug 2024 12:40 |
| Letzte Änderung: | 02 Aug 2024 12:40 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
Verfügbare Versionen dieses Eintrags
-
Yield Optimization using Hybrid Gaussian Process Regression and a Genetic Multi-Objective Approach. (deposited 13 Apr 2022 12:18)
- Yield Optimization using Hybrid Gaussian Process Regression and a Genetic Multi-Objective Approach. (deposited 02 Aug 2024 12:40) [Gegenwärtig angezeigt]
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum