基于人工神经网络的CMOS模拟电路性能建模与优化
摘要：用多层前向神经网络（NN）实现优化CMOS模拟电路。神经网络计算模块最近被认为是一种非正统和有用的工具，用于建模和设计。为了实现有源或无源电路组件的高性能，可以相应地训练神经网络。经过良好训练的神经网络可以根据其学习能力产生更准确的结果。神经网络模型可以取代受范围和准确性限制的经验模型解决方案。神经网络模型对于可以替代分析方法的新电路或设备来说很容易获得。由于神经网络模型的计算性展开行为，数值建模方法也可以被替换。所提出的实现旨在减少资源需求，而不太牺牲速度。NN通过分配适当的输入、权重、偏置和当前正在计算的层的激励函数来确保正确运行。所使用的概念在减少资源需求和提高速度方面被证明非常有效。
作者：Mriganka Chakraborty
论文ID：1212.0215
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-12-13