公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于优化插值与差值神经网络算法的硅片刻蚀深度预测模型: 2021年; 针对半导体加工工艺复杂、成本高、工艺数据量少,一般的人工神经网络(ANN)算法无法准确预测其加工工艺性能的问题,提出一种基于优化插值与差值神经网络(OIDNN)算法的适用于小样本的硅片刻蚀深度预测模型。首先,分别由实验得到刻蚀深度的实验数据,由计算机辅助设计(TCAD)技术仿真得到刻蚀深度的模拟数据,并划分为训练集、验证集和预测集;将TCAD模拟数据作为额外输入参数插入ANN1模型,同时,将实验数据与TCAD模拟数据的差值作为ANN2模型的输出参数,得到两份预测结果;最后将两份预测结果作为输入参数,经ANN3模型训练选择权重,得到最终预测结果。OIDNN算法在不同大小的样本数量下,所得预测刻蚀深度和实验刻蚀深度之间平均的均方误差(MSE)为0.009 5μm,相较于ANN减小80%以上,相较于自适应权值神经网络(AWNN)减小85%以上。实验结果表明,所提模型可以有效提高预测的准确度,提高算法的收敛速度,并且适用于小样本的工程应用场景。; 黄涛黄涛杨晔; 关键词：小样本神经网络计算机辅助设计

基于改进EM算法的分布式MIMO系统联合参数估计被引量：3: 2010年; 鉴于采用最大似然算法估计分布式多天线系统的信道增益与频偏存在多维优化使计算复杂度高的缺陷,以及采用期望最大化（EM）算法存在收敛速度慢、对初值依赖性大的不足,而期望条件最大化（ECM）算法用一系列计算简单的CM步来代替一个复杂的M步,弱化了初值对收敛性的影响.综合考虑ECM算法与最大似然（ML）估计算法来优化EM的收敛过程,提出了一种高效稳定的EM算法.该算法在CM步取得频偏的更新值后,通过ML的结果来更新信道增益.仿真结果表明：该算法对初值的依赖性较低、计算简单且稳定性高,结合空间选择期望最大化（SAGE）方法后能大幅提高收敛速度,且所得估计值的均方误差（MSE）能够逼近Cramer-Rao界（CRB）.; 黄涛张静李莉王选朝; 关键词：频偏

基于Stacking多模型融合的IGBT器件寿命的机器学习预测算法研究被引量：5: 2022年; 绝缘栅双极型晶体管(IGBT)器件是一种被广泛应用于工业、通信、计算机、汽车电子等领域的核心技术部件,提高该器件的使用安全性至关重要。近年来,采用机器学习对IGBT器件的寿命进行预测已成为热点的研究问题。然而,普通的神经网络预测仍存在着训练时间长和准确率较低的问题。针对该问题,提出了一种基于Stacking多模型融合的机器学习模型来实现对IGBT的寿命预测,该模型有效地提高了预测的准确率和效率。该算法包含双层结构,融合了4种互补的机器学习算法模型。其中,第一层使用了轻度梯度提升树模型(LGBM)、极端梯度提升树模型(XGBoost)和岭回归模型(Ridge)进行预测,再将预测结果输入第二层进行训练;第二层使用了线性回归模型,经过双层模型训练预测出最终的IGBT寿命。通过实验数据的对比证实,相比常用的长短期记忆神经网络(LSTM)算法模型,基于Stacking多模型融合的机器学习模型对IGBT寿命预测的均方误差平均降低了93%,且模型训练的平均耗时仅为LSTM网络算法模型的13%。; 王飞王飞黄涛; 关键词：IGBT器件

无线瑞利衰落信道的自回归模型研究被引量：2: 2010年; 在不同多普勒谱下分析自回归(AR)模型参数与系统极点位置、幅度响应关系,采用极点位置累试法对模型参数进行修正,改善了仿真功率谱,在通带衰落方面不满足理论要求的缺陷,提高了模型对瑞利衰落信道功率谱的仿真精度。仿真结果表明,通过累试法调整系统极点分布,可以提高仿真结果与理论值的匹配度,方法简单且精度较高,降低了仿真分析的难度。; 王选朝张静李莉黄涛; 关键词：AR模型参数修正

多用户多输入多输出系统预编码技术的研究被引量：2: 2011年; 主要研究了非理想信道状态信息(Channel State Information,CSI)条件下,多用户多输入多输出(MIMO)系统的Tomlinson-Harashima Precoding(THP)算法.首先分析了信道估计误差对系统误码率(BER)性能的影响,仿真结果表明:信道估计误差对系统BER性能影响较大.在此基础上,应用"best-first"算法对系统性能进行改进,提高了系统的BER性能.; 王选朝张静李莉黄涛; 关键词：多用户多输入多输出非理想信道状态信息信道估计误差

全选清除导出

共1页<1>

黄涛