文献

J-GLOBAL ID：202202277583885262   整理番号：22A0296046

マイクロ波トランジスタの散乱と雑音パラメータのモデリングのための新しいニューラルネットワーク最適化アプローチ【JST・京大機械翻訳】

Novel neural network optimization approach for modeling scattering and noise parameters of microwave transistor

著者 (2件)： Senel Bilge (Deparment of Electrical and Electronics Engineering, Sueleyman Demirel University, Isparta, Turkey) ,  Senel Fatih Ahmet (Deparment of Computer Engineering, Sueleyman Demirel University, Isparta, Turkey)
資料名： International Journal of Numerical Modelling: Electronic Networks, Devices and Fields  (International Journal of Numerical Modelling: Electronic Networks, Devices and Fields)
巻： 35  号： 1  ページ： e2930  発行年： 2022年 
JST資料番号： T0597A  ISSN： 0894-3370  CODEN： IJNFEX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,人工ニューラルネットワーク(ANN)に基づく一般回帰ニューラルネットワーク(GRNN)および多層パーセプトロンニューラルネットワーク(MLPNN)法を用いてATF53189の散乱(S)および雑音(N)パラメータのモデリングを行った。トランジスタの線形挙動をモデル化するために,GRNNとMLPNN法の最適設計パラメータを4つの異なる最適化アルゴリズムを用いて決定した。これらは,クジラ最適化アルゴリズム(WOA),人工ハチコロニー(ABC),パーティクルスウォーム最適化(PSO)およびアリイオン最適化(ALO)アルゴリズムである。これらのアルゴリズムの助けを借りて,GRNNのシグマパラメータと隠れ層の数,隠れ層におけるニューロンの数,MLPNNの隠れ層の活性化関数を最適化した。この方法で,ATF53189のSとNパラメータの予測に必要な最良のモデルを得た。出力としてS_11,S_21,S_12,S_22パラメータおよびF_min,Γ_optの大きさ,Γ_opt角およびR_n雑音パラメータの各角度および大きさを与える異なるモデルを作成した。実験結果は,GRNN法がATF53189のSパラメータの線形挙動モデリングで使用されるべきであり,MLPNN法がATF53189のNパラメータの線形挙動モデリングで使用されるべきであることを示した。GRNNとMLPNN法の設計パラメータを最適化するための最良のアルゴリズムがPSOであると理解する。その結果,ATF53189トランジスタのSおよびNパラメータのモデリングを,本研究で使用した方法で行った。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *雑音 ,  *散乱 ,  *トランジスタ ,  ニューロン ,  最適化手法 ,  *ニューラルネットワーク ,  *モデリング ,  モデル ,  *パラメータ
準シソーラス用語： 粒子群最適化 ,  設計変数 ,  隠れ層 ,  *雑音パラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： ANN ,  線形トランジスタモデリング ,  雑音パラメータ ,  最適化 ,  散乱パラメータ

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： マイクロ波トランジスタ ,  散乱 ,  雑音パラメータ ,  モデリング ,  ニューラルネットワーク ,  最適化