بررسی عملکرد شبکه های عصبی پرسپترون و شعاعی در تخمین پارامترهای کانال ترانزیستورهای CMOS

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 528

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEES01_193

تاریخ نمایه سازی: 16 اسفند 1394

چکیده مقاله:

در چند دهه اخیر و در مطالعات صورت گرفته، شبکه های عصبی مصنوعی برای مدل سازی سیستم ها با معادلات پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده اند. در تحقیق حاضر امکان استفاده از شبکه های پرسپترون چند لایه(MLP)و تابع پایه شعاعی (RBF) برای تخمین پارامترهای کانال ترانزیستورهایCMOSمورد مطالعه قرار گرفته و عملکرد آنها بررسی شده است. مدل عصبی ارائه شده با توجه به اطلاعات ورودی قابلیت انتخاب صحیح پارامترهای کانال را دارد. داده های مورد نیاز جهت آموزش و تست شبکه عصبی از شبیه سازی ترانزیستورهایCMOSدر محیطHSPICEبدست آمدند و آموزش و تست مدل های عصبی نیز در محیطMATLABانجام شد.

نویسندگان

نرجس حسنی خواه

باشگاه پژوهشگران جوان و نخبگان، واحدلنگرود، دانشگاه آزاد اسلامی ،لنگرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • م. ب. منهاج، - مبانی شبکه های عصبی "، مرکز ...
  • F. Djefal, Z. Dibi, M.L. Hafiane, D. Arar, Design and ...
  • F. Djefal , M. Chahdi, A. Benhaya, M.L. Hafiane , ...
  • M.T. Hagan, H.B. Deauth, M.H. Beale _ Neural network design, ...
  • Moller, A Scaled Conjugate Gradient Algorithm for Fast Supervised Learning, ...
  • H. Abebe, V.C. Tyree, BSIM3v3 .1 Model parametecs extraction and ...
  • C.M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, ...
  • S. Haykin, Hamilton, Ontario, Neural Networks, second edition, Prentice Hal ...
  • نمایش کامل مراجع