人工神经网络以其对复杂非线性问题的鲁棒性和高效建模能力,在微波元件中得到了广泛的应用。现有的基于人工神经网络的微波器件模型与优化研究主要集中在建模方法上。采样是建模的基础,直接影响到人工神经网络建模和优化的效率和准确性,却很少被研究。 传统的取样方法广泛应用于基于人工神经网络的建模与优化,包括蒙特卡罗抽样和拉丁超立方体抽样。这些采样方法的重点是提高设计空间中分布样本的均匀性。由于微波元