Моделирование субмикронных МОП-транзисторов с использованием нейронных сетей
Электротехническое моделирование и его основание на точных математических моделях элементов электрической схемы. Доказательство алгоритмического подхода для решения задачи, основанный на обучении нейронной сети. Обеспечение аппроксимации функции.
| Рубрика | Коммуникации, связь, цифровые приборы и радиоэлектроника |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 01.12.2019 |
| Размер файла | 1,5 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
10
]
},
{
"netRez": [
10.042053992287922,
10.804807979696376
],
"istRez": [
10,
10
]
},
{
"netRez": [
6.241227546165438,
13.792506018769185
],
"istRez": [
10,
20
]
}
]
Приложение 3.
Листинг программы - генератора нормально распределенного случайного числа
import json
import random
import statistics
import matplotlib.pyplot as plt
import numpy as np
with open('stat.json') as f:
data = json.load(f)
randomRez = []
for i in range(len(data)):
randomRez.append(
[
random.normalvariate(5, 2.5),
random.normalvariate(25, 10),
]
)
deviationsRND = {
'L': [],
'W': [],
}
deviationsNET = {
'L': [],
'W': [],
}
for i in range(len(data)):
deviationsRND['W'].append(
(randomRez[i][0] - data[i]['istRez'][0])**2,
)
deviationsRND['L'].append(
(randomRez[i][1] - data[i]['istRez'][1])**2,
)
deviationsNET['W'].append(
(data[i]['netRez'][0] - data[i]['istRez'][0])**2,
)
deviationsNET['L'].append(
(data[i]['netRez'][1] - data[i]['istRez'][1])**2,
)
meanDev = {
'W': {
'rand': statistics.mean(deviationsRND['W']),
'net': statistics.mean(deviationsNET['W']),
},
'L': {
'rand': statistics.mean(deviationsRND['L']),
'net': statistics.mean(deviationsNET['L']),
},
}
hist, bins = np.histogram(deviationsNET['L'], bins=20)
width = 0.7 * (bins[1] - bins[0])
center = (bins[:-1] + bins[1:]) / 2
plt.bar(center, hist, align='center', width=width)
plt.show()
# randomRez = []
# L=[]
# W=[]
# for i in range(1500):
# W.append(
# random.normalvariate(5, 2.5)
#)
# L.append(
# random.normalvariate(25, 10)
#)
# hist, bins = np.histogram(L, bins=500)
# width = 0.7 * (bins[1] - bins[0])
# center = (bins[:-1] + bins[1:]) / 2
# plt.bar(center, hist, align='center', width=width)
# plt.show()
Размещено на Allbest.ru
Подобные документы
Понятие и применение нейронных сетей, особенности классификации искусственных нейронных сетей по Терехову. Решение задачи классификации римских цифр на основе нейронной сети. Составление блок-схемы алгоритма обучения нейронной сети и анализ ее качества.
дипломная работа [603,9 K], добавлен 14.10.2010Определение и виды искусственных нейронных сетей. Функция активации. Биологический нейрон. Персептрон как инструмент для классификации образов. Классификация объектов с помощью нейронной сети. Нормализация входных сигналов. Алгоритм работы в MatlabR2009b.
курсовая работа [349,7 K], добавлен 17.03.2016Предварительный расчет частотно-территориального планирования однородной сети сухопутной подвижной связи. Моделирование радиопокрытия на электронной географической территории. Обоснование и выбор схемы электрической структурной обработки сигнала передачи.
курсовая работа [894,4 K], добавлен 13.02.2013Знакомство с задачей отслеживания нестационарного гармонического сигнала на основе нейронной сети. Анализ компьютерной модели нейронной сети на основе математических алгоритмов Мак-Каллока и Питтса. Характеристика способов создания линейной сети.
контрольная работа [418,2 K], добавлен 17.05.2013Применение мощных полевых транзисторов с изолированным затвором (МДП-транзисторы) в выходных каскадах усилителей мощности. Моделирование схемы усилителя НЧ на МДП-транзисторах в программе Multisim 8. Линейные и фазовые искажения, коэффициент гармоник.
дипломная работа [3,5 M], добавлен 30.04.2010Понятия теории множеств и теории графов. Переход от электрической схемы к графу. Разбиение электрической схемы с использованием итерационных алгоритмов. Разновидности задач трассировки. Размещение элементов РЭА с использованием конструктивного алгоритма.
курсовая работа [557,4 K], добавлен 13.02.2012Определение параметров структурно-физических математических моделей диодов и полевых транзисторов, малосигнальных и структурно-физических моделей биполярных транзисторов. Исследование элементов системы моделирования и анализа радиоэлектронных цепей.
курсовая работа [1,3 M], добавлен 17.03.2011Определение и моделирование оптимального управления объектом, заданным системой уравнений по квадратичному функционалу качества, по точности, по критерию Красовского и по быстродействию. Результаты работы математических пакетов MathCAD и Matlab.
курсовая работа [388,5 K], добавлен 08.07.2014Возможности применения компьютерного моделирования для изучения характеристик традиционных полупроводниковых приборов. Схемы исследования биполярного транзистора методом характериографа, а также моделирование характеристик однопереходного транзистора.
дипломная работа [2,3 M], добавлен 28.04.2013Технология Ethernet, построение схемы сети и алгоритм работы. Показатели работы сети до и после ввода дополнительных станций, результатов аналитического и имитационного моделирования. Запуск процесса моделирования и анализ результатов базовой модели.
курсовая работа [357,5 K], добавлен 17.04.2012
