استخراج پارامترهای ذاتی مدار معادل سیگنال کوچک hemt با استفاده از شبکه های عصبی مصنوعی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده فنی و مهندسی
  • نویسنده بهارک اخلاقی
  • استاد راهنما محسن حیاتی
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1388
چکیده

در این پروژه، پارامترهای ذاتی مدار معادل سیگنال کوچک یک gaas hemt، در برابر بایاس (vds و vgs)، فرکانس (f) و دما(t) ، با استفاده از شبکه های عصبی پرسپترون چند لایه ای (mlp) و تابع پایه شعاعی (rbf) مدل شده اند. شبکه های عصبی پیاده سازی شده، شامل ساختارهایی با چهار ورودی (بایاس (vds و vgs)، دما و فرکانس) و هشت خروجی (مقدار پارمترهای ذاتی gaas hemt و نیز فرکانس قطع آن) می باشند، که در پایان از نظر سرعت همگرایی، مقدار حافظه مورد نیاز و میزان دقت با یکدیگر مقایسه شده اند. نتایج نشان می دهد که درمورد استخراج پارامترهای ذاتی ترانزیستور gaas hemt، دقت شبکه پس انتشار (mlp) کمی بیشتر از تابع پایه شعاعی (rbf) است، ولی سرعت همگرایی شبکه rbf بیشتر از شبکه mlp می باشد و همچنین شبکه rbf نسبت به شبکه mlp به حافظه کمتری نیاز دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی

در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...

متن کامل

تشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی

در کاربردهای صنعتی، پایش وضعیت و عیب‌یابی بیرینگ­ها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روش­های تشخیصی جهت شناسایی عیوب بیرینگ­ها می­باشند. یکی از قابل اطمینان­ترین روش‌ها جهت عیب­یابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی می­باشد. تاکنون روش­های مختلفی جهت عیب­یابی بیرینگ­های غلتشی توسط سیگنال­های ارتعاشی در حوزه زمان ارائه شده است. بیش...

متن کامل

استخراج پارامترهای فیزیکی ستارگان با استفاده از شبکه عصبی مصنوعی

برای پاسخ دادن به سوال های مهم موجود درباره ی ساختار و تحول ستاره ها نیاز به داشتن اطلاعاتی از قبیل فراوانی ستاره ها و نیز سن آن ها داریم.این اطلاعات از طریق پارامترهای جوی ستاره همچون دمای موثر(teff)، گرانش سطحی (logg)وفلزیت (fe/h) حاصل می شوند. بنابراین داشتن اطلاعات معتبر درباره ی ویژگی های فیزیکی ستاره اهمیت فراوانی در شناخت ساختار ستاره ها و نیز کهکشان ها دارد. یکی از اهداف طبقه بندی mk، ...

پیش‌بینی تراوش از بدنه سد خاکی با استفاده از پارامترهای آماری شبکه عصبی مصنوعی

در گذشته ایجاد سد عمدتاً با اهداف تأمین آب آشامیدنی و آبیاری مزارع کشاورزی بوده ولی امروز به دلیل نیاز به انرژی برق آبی و اهداف دیگر توسعه بیشتری یافته است. پیشبینی تراوش از بدنه سدهای خاکی سدها یک مسئله پیچیده و پویا میباشد. در این تحقیق با استفاده از شبکه عصبی مصنوعی به پیشبینی تراوش از بدنه سد خاکی شهید کاظمی بوکان پرداخته شد. جهت تحقق به این هدف، از مجموعه دادهای شامل 864 داده پیزومتری استفا...

متن کامل

بررسی تاثیر سیگنال های اقلیمی بر بارش ناحیه مرکزی ایران با استفاده از شبکه عصبی مصنوعی

سیگنال های اقلیمی، الگوهای بزرگ مقیاسی از ناهنجاری های گردش و فشار هوا میباشد که در محدوده جغرافیایی وسیع گسترش یافته است. این سیگنال ها در توجیه رفتار اقلیم از اهمیت زیادی برخوردارند. در این پژوهش ارتباط بارش با سیگنال های اقلیمی(ao, nao,soi, enso) در ناحیه مرکزی ایران مورد بررسی قرار گرفته است. داده های سیگنال ها از پایگاه داده های ncep استخراج گردید و مجموعه داده های بارش ماهانه نیز از مرکز ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده فنی و مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023