基于神經網絡非線性電子器件建模中的優(yōu)化方法研究.pdf

1、本文主要針對具有復雜特性的非線性電子器件無法建立模型或模型復雜的問題，提出了基于神經網絡的分段建模方法，并對BP神經網絡結構優(yōu)化問題進行了探討。 本文首先介紹了現(xiàn)有的非線性電子器件的建模方法，討論了這些方法的優(yōu)缺點。其次，介紹了神經網絡，尤其是前饋網絡中的BP網絡及BP網絡結構優(yōu)化，并討論了BP網絡結構優(yōu)化中存在的問題。之后，針對基于神經網絡的非線性電子器件建模中，一些具有復雜特性曲線的非線性電子器件無法建立模型或模型復雜的問題

2、，嘗試了基于神經網絡的分段建模方法。針對BP網絡結構優(yōu)化中隱層神經元選取困難的問題，嘗試了隱節(jié)點自構學習算法。 論文中以穩(wěn)壓二極管為例給出了該方法的總體思路和實現(xiàn)的全過程。 本文主要包含兩方面的研究內容： 第一：給出隱節(jié)點自構學習算法，并通過大量實驗證明，這種算法可以有效地選取最優(yōu)隱節(jié)點數(shù)量。這為神經網絡的結構優(yōu)化提供了一種新的方法。 第二：提出基于神經網絡的電子器件分段建模方法。為實現(xiàn)該方法，首先，通過

3、實驗測得待建模器件的輸入輸出數(shù)據(jù)，再通過實驗選取分段點。利用分段后的數(shù)據(jù)在MATLAB中分別對神經網絡進行訓練，達到誤差目標后，即可獲得能夠逼近不同段特性的神經網絡。訓練結束后，記錄各分段網絡的權值W及閾值B，再將得出的分段網絡結構用Pspice中的電路描述語言描述，由此建得各分段特性的器件模型。最后將分段模型結合為一個模型，即可獲得完整的器件模型。這樣就可以實現(xiàn)對具有復雜特性曲線的非線性電子器件進行建模，該方法對于器件建模和電路系統(tǒng)的