Вестник УлГТУ
Зюзин Г.А., Кушнарев В.О., Клячкин В.Н. Нейронная сеть для оценки качества функционирования блока усилителя мощности
Cite. Georgy A. Zyuzin, Vasily O. Kushnarev, Vladimir N. Klyachkin Neural network for assessing the quality of the power amplifier unit functioning // Bulletin of Ulyanovsk State Technical University 110(2), 35-41 (2025).
Abstract. To predict the output power of the amplifier unit of a radar station and assess its state based on the characteristics of electrovacuum devices-klystrons, mathematical models were built in the form of neural networks for regression and classification, respectively. The quality of the model during training is assessed using cross-validation, the selection of model hyperparameters is carried out using grid search. One of the main tools for model development is the Python library – Scikit Learn.
Keywords: regression, classification, klystron, cross-validation, hyperparameters.
Цитата. Георгий Александрович Зюзин, Василий Олегович Кушнарев, Владимир Николаевич Клячкин Нейронная сеть для оценки качества функционирования блока усилителя мощности // Вестник Ульяновского государственного технического университета. 2025. №2. С. 35-41.
Аннотация. Для прогнозирования выходной мощности блока усилителя в передающем устройстве радиолокационной станции и оценки его состояния на основе характеристик электровакуумных приборовклистронов построены математические модели в виде нейронных сетей для регрессии и классификации соответственно. Качество модели при обучении оценивается с использованием кросс-валидации, подбор гиперпараметров модели проводится с помощью сеточного поиска. Одним из основных инструментов для разработки моделей является библиотека Python – Scikit Learn.
Ключевые слова: регрессия, классификация, клистрон, кросс-валидация, гиперпараметры.
doi: 10.61527/1684-7016-2025-2-35-41