Graphene Reconfigurable(그래핀 재구성 가능)란 무엇입니까?
Graphene Reconfigurable 그래핀 재구성 가능 - The analysis of the graphene reconfigurable reflectarray antenna electromagnetic (EM) response through the use of support vector regression (SVR) has been carried out in this paper. [1] Aiming at the time-consuming problem of the full-wave (FW) simulation of the scattering characteristics of the traditional graphene reconfigurable reflectarray antenna, a fast prediction method of electromagnetic (EM) response based on deep learning is proposed. [2] The effect of changing the graphene reconfigurable conductivity on the radiation characteristics of the ME-antenna is investigated. [3]본 논문에서는 SVR(Support Vector Regression)을 사용하여 그래핀 재구성 가능한 반사 어레이 안테나 전자기(EM) 응답을 분석했습니다. [1] 기존의 그래핀 재구성 가능 반사 어레이 안테나의 산란 특성에 대한 전파(FW) 시뮬레이션의 시간 소모적인 문제를 목표로 딥 러닝 기반 전자기(EM) 응답의 빠른 예측 방법을 제안합니다. [2] ME-안테나의 방사 특성에 대한 그래핀 재구성 가능 전도도의 변화 효과를 조사하였다. [3]
graphene reconfigurable reflectarray 그래핀 재구성 가능한 반사 어레이
The analysis of the graphene reconfigurable reflectarray antenna electromagnetic (EM) response through the use of support vector regression (SVR) has been carried out in this paper. [1] Aiming at the time-consuming problem of the full-wave (FW) simulation of the scattering characteristics of the traditional graphene reconfigurable reflectarray antenna, a fast prediction method of electromagnetic (EM) response based on deep learning is proposed. [2]본 논문에서는 SVR(Support Vector Regression)을 사용하여 그래핀 재구성 가능한 반사 어레이 안테나 전자기(EM) 응답을 분석했습니다. [1] 기존의 그래핀 재구성 가능 반사 어레이 안테나의 산란 특성에 대한 전파(FW) 시뮬레이션의 시간 소모적인 문제를 목표로 딥 러닝 기반 전자기(EM) 응답의 빠른 예측 방법을 제안합니다. [2]