期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于版图级综合的频率部分空间映射神经网络建模技术及其在LTCC射频电路中的应用 被引量:7
1
作者 张祥军 方大纲 《电子学报》 EI CAS CSCD 北大核心 2007年第6期1187-1192,共6页
提出了基于电路版图级综合的频率部分空间映射神经网络建模的微波电路设计方法.将空间映射技术应用在神经网络建模中降低了神经网络的复杂程度,频率部分空间映射技术仅建立部分设计参数的映射,在确保一定准确度的前提下可以提高建模效率... 提出了基于电路版图级综合的频率部分空间映射神经网络建模的微波电路设计方法.将空间映射技术应用在神经网络建模中降低了神经网络的复杂程度,频率部分空间映射技术仅建立部分设计参数的映射,在确保一定准确度的前提下可以提高建模效率,减小神经网络拓扑结构的复杂性,使粗模型的参数提取时间以及神经网络的训练时间减少.空间映射技术中粗模型由版图级综合得到,基于全波分析的集总电路建模考虑寄生效应,具有一定的准确性和快速性,作为频率部分空间映射神经网络建模技术高质量的粗模型,从而提高了建摸的准确性和速度,增强建模的灵活性.在细模型的扫频中,采用S-B自适应采样技术可以进一步减少建模时间.本文用此方法设计低温共烧陶瓷滤波器,证明用这种方法建模快速、准确. 展开更多
关键词 版图级综合 频率部分空间映射神经网络建模 S-B自适应频率采样技术 神经网络 低温共烧陶瓷
下载PDF
利用S-B自适应采样方法加速基于空间映射技术的神经网络建模 被引量:1
2
作者 丁燕 方大纲 《微波学报》 CSCD 北大核心 2005年第4期1-5,共5页
将空间映射技术用于辅助神经网络的建模可以帮助降低神经网络的复杂程度,从而达到降低训练成本的目的。但是,不论是空间映射技术还是神经网络的训练,需要大量的采样是这一技术中一个关键问题。本文将一种灵活高效的自适应采样技术运用... 将空间映射技术用于辅助神经网络的建模可以帮助降低神经网络的复杂程度,从而达到降低训练成本的目的。但是,不论是空间映射技术还是神经网络的训练,需要大量的采样是这一技术中一个关键问题。本文将一种灵活高效的自适应采样技术运用在基于空间映射技术的神经网络建模过程中,大大减少了建模需要的采样时间,提高了最终得到模型的精度。 展开更多
关键词 空间映射 S-B自适应采样技术 神经网络 映射技术 自适应采样 采样方法 空间 加速 复杂程度 过程 技术运用
下载PDF
基于神经网络的复杂结构映射建模和优化方法 被引量:1
3
作者 徐格宁 高有山 刘芳明 《起重运输机械》 北大核心 2005年第5期10-13,共4页
运用结构力学方法建立易于解析的大型结构平面模型;采用商业有限元软件建立能精确反映结构真实受力的空间模型。求解得到2种模型各单元内力,将平面模型单元内力作为输入,空间模型的内力作为输出而构造样本集。利用神经网络的非线性映射... 运用结构力学方法建立易于解析的大型结构平面模型;采用商业有限元软件建立能精确反映结构真实受力的空间模型。求解得到2种模型各单元内力,将平面模型单元内力作为输入,空间模型的内力作为输出而构造样本集。利用神经网络的非线性映射能力,通过样本训练提取其特征和本质联系,以获得具有内插和泛化能力的映射模型,为后续优化设计奠定了基础。 展开更多
关键词 神经网络 优化方法 结构映射 非线性映射能力 平面 空间 有限元软件 大型结构 力学方法 样本训练 映射 泛化能力 优化设计 内力 样本集 特征和 单元
下载PDF
神经网络空间映射结构的研究与改进 被引量:2
4
作者 闫淑霞 张齐军 《计算机应用》 CSCD 北大核心 2014年第12期3621-3623,共3页
针对粗模型与器件的直流特性差异较大而交流特性相似时建模过程复杂的问题,对已有神经网络空间映射(Neuro-SM)结构进行了改进。改进的模型在Neuro-SM结构基础上,增加电容和电感,使映射网络仅调整输入信号中的直流分量,不影响交流分量。... 针对粗模型与器件的直流特性差异较大而交流特性相似时建模过程复杂的问题,对已有神经网络空间映射(Neuro-SM)结构进行了改进。改进的模型在Neuro-SM结构基础上,增加电容和电感,使映射网络仅调整输入信号中的直流分量,不影响交流分量。在不改变粗模型交流特性的情况下改进直流特性,用少量的优化变量和简单的映射关系即可达到模型匹配的效果。通过仿真实验表明,改进后的Neuro-SM模型充分利用粗模型与器件非线性响应相似的特点,既保持了模型的精度又简化了建模过程。 展开更多
关键词 神经网络 神经网络空间映射 晶体管 ADS仿真
下载PDF
堆叠隐空间模糊C回归算法及其在发酵数据多模型建模中的应用
5
作者 刘欢 王骏 +1 位作者 邓赵红 王士同 《智能系统学报》 CSCD 北大核心 2016年第5期670-679,共10页
切换回归算法FCR的性能容易受到噪声点以及离群点的影响,同时该算法对于复杂数据的处理能力较差。对此,文中提出一种基于堆叠隐空间的模糊C回归算法。该算法将基于ELM特征映射技术,利用主成分分析进行特征提取,再结合多层前馈神经网络... 切换回归算法FCR的性能容易受到噪声点以及离群点的影响,同时该算法对于复杂数据的处理能力较差。对此,文中提出一种基于堆叠隐空间的模糊C回归算法。该算法将基于ELM特征映射技术,利用主成分分析进行特征提取,再结合多层前馈神经网络学习结构对隐空间进行多次扩展和压缩。实验结果表明,该算法具有更好的抗噪性能,对模糊指数的变化不敏感,同时在处理复杂数据以及在多模型建模中更加精确、高效、稳定。 展开更多
关键词 空间映射 极限学习机 主成分分析 糊C回归算法 多层神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部