.png){kind=icon}
返回
ANN-Based Microwave Transistor Modeling
.png){kind=icon}
PRE
AI
DOI：10.1109/mmm.2026.3721019.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工神经网络（ANNs）因其灵活性、快速评估能力以及从数据中学习非线性器件行为的能力，已成为微波晶体管建模的重要工具。本文从实用RF CAD的角度概述了基于ANN的微波晶体管建模方法。讨论首先从纯ANN方法开始。该方法简单灵活，但其可靠性高度依赖于训练数据。接着，本文介绍了神经空间映射（Neuro-SM）方法，其中神经网络用于改进现有粗模型，同时保留有用的模型结构和仿真效率。最后，讨论了一种多子模型软开关ANN框架，作为近期发展，用于提高物理一致性和大信号收敛性。通过比较这些方法的特点和实际应用，本文提供了ANN学习如何与物理洞察和模型结构相结合以改进大信号微波CAD中晶体管模型可靠性的紧凑概述。
Keyword:
Modeling
Soft switching
Switches
Transistors
Current
Simulation
Extrapolation
Learning (artificial intelligence)
Design automation
Training
