ادغام تکنیک حذف تصادفی با شبکه های عصبی عمیق بازگشتی برای مدل سازی رفتار گذرا در مدار حلقه قفل فاز دیجیتال برای در محدوده فرکانسی ۱ گیگا هرتز

در این مقاله به بررسی و مدل سازی رفتار گذرای مدار بازیابی کلاک قفل کننده فاز دیجیتال با استفاده از شبکه های عصبی مصنوعی پرداخته می شود. در این تحقیق، مدل سازی مدار با بهره گیری از شبکه عصبی بازگشتی عمیق صورت گرفته که با چالش هایی نظیر بیش برازش مواجه بوده است. این مشکل، به کاهش دقت پیش بینی های مدل و عدم تطابق با داده های واقعی منجر شده است. برای رفع این مشکل، از تکنیک حذف تصادفی استفاده شده که با کاهش پیچیدگی مدل، عملکرد آن را بهبود بخشیده، در نتیجه، مدلی دقیق تر نسبت به شبکه عصبی بازگشتی عمیق استاندارد ارائه می شود. علاوه بر این، با بهره گیری از واحد بازگشتی گیت دار عمیق، خطای مدل به میزان قابل توجه ۸۰/۳۲ درصد در مقایسه با مدل شبکه عصبی بازگشتی کاهش یافته و دقت مدل به طرز چشمگیری بهبود می یابد. واحد بازگشتی گیت دار عمیق نه تنها دقت مدل را افزایش می دهد، بلکه پایداری و قابلیت تعمیم پذیری آن را نیز ارتقا می بخشد. این روش، به ویژه در مقایسه با مدل های سطح ترانزیستوری، مدلی ۴۳/۲۸ برابر سریعتر ارائه می دهد که برای کاربردهای عملی و صنعتی از اهمیت ویژه ای برخوردار است.