Презентация 4 - Томский политехнический университет
advertisement
Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна Томский политехнический университет 1 Актуальность, цель и задачи Актуальность Необходимость разработки надёжных электронных компонентов и устройств с заданными характеристиками передачи и рассеивания сигнала Цель Повысить эффективность процесса разработки электронных компонентов за автоматизации вычисления характеристик передачи и рассеивания сигнала Задачи 1. Спроектировать нейросетевую модель, позволяющую находить характеристики передачи и рассеивания сигнала в зависимости от типа электронного компонента и обучающей выборки 2. Разработать алгоритм настройки нейросетевой модели, позволяющий вычислять характеристики передачи и рассеивания с точностью не выше 5% 3. Написать программу нейросетевого моделирования 4. Произвести тестирование приложения на наборе выборок характеристик нескольких электронных Информационная система анализа электронныхкомпонентов компонентов на базе нейронечетких моделей Рауерова Яна 2 S-параметры электронных компонентов Каждый электронный компонент обладает матрицей Sпараметров, значения в которой характеризуют константы в функциях передачи и отражения сигнала внутри этого компонента. Пример: Параметры, влияющие на S-параметры транзистора 1.Напряжение затвора 2.Напряжение стока 3.Количество пальцев 4.Ширина запирающего слоя 5.Частота подаваемого тока Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 3 Нейронечеткая сетевая система вывода Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 4 Кластеризация входных данных Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 5 Функция ошибки нейросетевой модели 1 N k E ( pi , Z j ) (o d k ) 2 min, i 1..FN , j 1.. RN N k 1 ok dk N - Реальный выход модели - Желаемый выход модели - Количество обучающих примеров FN - Количество функций принадлежности RN - Количество правил вывода pi , Z j , i 1..FN , j 1.. RN - Оптимизируемые параметры Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 6 Математическое описание настройки Изменение параметров модели на каждой итерации настройки Z j ( t 1) Z j ( t ) Z j i 1..FN , j 1.. RN pi ( t 1) pi ( t ) pi Z j (o d ) rk - Выход правила k m j - Значение функ. принадлежности j rj M r j 1 j - Скорость настройки M M m k Z k r j r j Z j m k k j 1 j 1 m i k pi (o d ) 2 pi M rj j 1 Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 7 Алгоритм и функция ошибки в процессе обучения 6 Значение ошибки 5 4 3 2 1 1 3 5 7 9 11 13 15 17 19 21 23 25 ReS11 ImS12 ReS12 ImS11 0 Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 8 Практическая реализация: использование возможностей нескольких вычислительных ядер Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 9 Выводы 1.Спроектирована нейронечеткая сеть, анализа характеристик электронных компонентов для получения S-параметров. 2.Разработан алгоритм функционирования и настройки нейронечеткой сети. 3.Написана программа, которая производит отмеченные ранее вычисления. 4.Ошибка модели на реальных данных при построении моделей электронных компонентов составила 2%. Информационная система анализа электронных компонентов на базе нейронечетких моделей Рауерова Яна 10
