در این پایان نامه کاربرد شبکه های عصبی پرسپترون چند لایه و تابع بنیادی شعاعی برای مدل کردن ترانزیستورهای توان بالا و فرکانس بالای ldmos ارائه شده است. اخیرا علاقه به ترانزیستور ldmos به خاطر کاربردهایش در تقویت کننده های توان rf در سیستم های ارتباطی بی سیم افزایش یافته است. اما غیر خطی بودن قطعه مسئله مهمی در این تقویت کننده هاست چون به هنگام اعمال سیگنال های با فرکانس نزدیک به هم در ورودی منجر به تولید اعوجاج بین مدولاسیونی می شود که مطلوب نیست. بنابراین نیاز به مدلی داریم که بتواند به دقت اعو جاج های ناشی از خواص غیر خطی قطعه را پیش بینی کند. به همین دلیل در این پایان نامه به مدلسازی عملکرد dc، عملکرد rf و عملکرد نویز فرکانس بالای ترانزیستور ldmos با در نظر گرفتن اثر دما که در این ادوات بسیار تاثیرگذار است می پردازیم. از شبیه ساز ads برای بدست آوردن داده های مورد نیاز برای شبکه عصبی استفاده شده است و آموزش و تست ساختارهای شبکه عصبی با استفاده از این داده ها صورت گرفته است. در نهایت مقایسه نتایج بدست آمده نشان می دهد که در هر سه مدل، شبکه عصبی پرسپترون چند لایه دارای دقت بیشتری در مقایسه با مدل تابع بنیادی شعاعی است و به عنوان روشی موثر برای مدلسازی کامل این ادوات با حداقل خطا معرفی می شود.