کاربرد شبکه های عصبی در پیش بینی پارامترهای نویز ترانزیستور فرکانس بالا ( hbt(sige مدل (nesg2030m04)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - پژوهشکده فنی و مهندسی
- نویسنده سعید قهرمانی تولابی
- استاد راهنما محمد مهدی کارخانه چی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
نویز یکی از پدیده های مهم در علوم و مهندسی می باشد. حد پایین دقت هر دستگاه اندازه گیری و مینیمم سیگنال قابل آشکار سازی توسط آن تعیین می گردد. در طراحی مدارات فرکانس بالا با دقت بالا بایستی اثر نویز در نظر گرفته شود. برای اینکه اثر نویز را در طراحی لحاظ کنیم از پارا مترهای نویز استفاده می کنیم. برای هر قطعه نویزی پارامتری بعنوان مشخصه نویزی تعریف شده است که عدد نویز نامیده می شود. عدد نویز تابع پارامترهای نویز (عدد نویز مینیمم? مقاومت نویز و ضریب انعکاس بهینه) که این پارامترها برای هر قطعه فرکانس بالا در برگه اطلاعات آن توسط کارخانه سازنده در فرکانس ها و شرایط بایاس مختلف داده می شود. این داده ها به اندازه ی کافی نیستند و هر فرکانس با هر شرایط بایاس را پوشش نمی دهند همچنین برای بدست آوردن این پارامترها تجهیزات گران قیمت و زمان زیادی لازم است. بنابراین از شبکه های عصبی برای بدست آوردن این پارا متر ها استفاده کرده ایم. در سال های اخیر مقاله های مختلفی در این زمینه چاپ شده است که لازم به ذکر است مقالات در مورد مدلی که ما استفاده کرده ایم یعنی nesg2030m04 خیلی کم بود یا به جرات می توان گفت که اصلا نبود..ما از شبکه هایی استفاده کرده ایم ، که هم زمان آموزش شبکه را کم می کند و هم دقت تست بالایی دارند. شبکه هایی که در این پایان نامه استفاده شده است: شبکه اول که به طور معمول در بیشتر کاربردها استفاده شده شبکه های چند لایه می باشند. شبکه دوم شبکه های دو لایه با تابع شعاعی که زمان آموزش کمتری نسبت به شبکه های قبلی دارند استفاده شده است و شبکه های فازی عصبی نسبت به هر دو شبکه کاربرد بیشتر، زمان تست کمتری و دقت بالاتری دارند. به طور خلاصه هدف در این پایان نامه بدست آوردن پارامترهای نویز برای هر بایاس و فرکانس مورد نظر به کمک شبکه ایی که هم زمان آموزش کمتر و هم دقت تست بالایی دارد می باشد.
منابع مشابه
کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص های کلان علم و فناوری
ارزیابی تحقیق و توسعه و ارتباط بین تولید علم و تکنولوژی در سطح کلان کشورها به دلیل حجم بالای اطلاعات و تغییر و تحولات سریع در این حوزه محدود بوده است. این پژوهش با هدف درک ارتباط و عملکرد توسعه فناوری در رابطه با فعالیتهای تولید علم در سطح کشورها صورت پذیرفته است که از نوع تحقیقات توصیفی-کاربردی میباشد. هدف ساخت مدلی با استفاده از الگوریتم های پیشرفته است که توانایی پیشبینی شاخص فناوری را ...
متن کاملمدل پیشنهادی برای پیش بینی تولید ناخالص داخلی کاربرد مدل هایARIMA شبکه های عصبی و تبدیل موجک
تولید ناخالص داخلی یکی از عمده ترین و کاربردی ترین شاخص های اقتصادی است؛ لذا پیش بینی آن،همواره توجه کلیه دست اندرکاران اقتصادی و علوم مرتبط را به خود جلب کرده است. هرچند روش های تجزیهو تحلیل سری زمانی و روش های غیرخطی همانند مدل های شبکه عصبی مدتهاست که برای پیش بینی این گونهمتغیرها به کار می روند، لیکن کاربرد ابزار توانمند موجک در پردازش داده ها و بررسی لایه های پنهان آن نشانمی دهد که سری زما...
متن کاملاستفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران
یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینهی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...
متن کاملمنابع 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 - پژوهشکده فنی و مهندسی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023