基于神经网络的非线性电子器件的建模方法

针对当前电路仿真中复杂非线性电子器件的建模问题,提出了先由神经网络学习器件的输入输出特性,再将得出的网络结构用Pspice中的电路描述语言描述的建立非线性电子器件模型的新方法,并通过实验验证了这种方法的有效性。这一方法可作为一种通用方法,用于其它器件的建模。

应用MATLAB实现非线性电子器件建模

指出了非线性电子器件数学模型的建立是工程实践中常需要面对的问题 ,提出了一种利用 MATL AB语言中的有关函数对非线性器件的测量数据进行处理 ,从而得到该器件的二维数学模型的方法 .重点介绍了建模的实现步骤、算法 ,并给出了典型实例 .

改进的BP神经网络在元器件建模中的应用

提出一种基于BP神经网络的非线性电子元器件建模的新方法。以具体实验数据为例,以MATLAB中的神经网络工具箱为工具,采用了改进的BP神经网络,并对其设计方案进行了详细的分析说明,发现动量参数对训练次数影响很大,而学习率对它的影响很小;采用双隐含层比单隐含层训练更稳定,收敛的也更快速,同时给出了理想的学习方案。最后通过实验验证了该方法的有效性。