آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,385 |
| تعداد مقالات | 16,972 |
| تعداد مشاهده مقاله | 54,620,259 |
| تعداد دریافت فایل اصل مقاله | 17,224,273 |
ادغام تکنیک حذف تصادفی با شبکههای عصبی عمیق بازگشتی برای مدلسازی رفتار گذرا در مدار حلقه قفل فاز دیجیتال برای در محدوده فرکانسی 1 گیگا هرتز | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 03 دی 1403 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2024.64162.4911 | ||
| نویسندگان | ||
| حمیده پارسائیان1؛ علی مفتخرزاده1؛ سید علیرضا صدرالسادات* 2؛ علی میروکیلی1 | ||
| 1دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران | ||
| 2بخش هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| در این مقاله به بررسی و مدلسازی رفتار گذرای مدار بازیابی کلاک قفلکننده فاز دیجیتال با استفاده از شبکههای عصبی مصنوعی پرداخته میشود. در این تحقیق، مدلسازی مدار با بهرهگیری از شبکه عصبی بازگشتی عمیق صورت گرفته که با چالشهایی نظیر بیشبرازش مواجه بوده است. این مشکل، به کاهش دقت پیشبینیهای مدل و عدم تطابق با دادههای واقعی منجر شده است. برای رفع این مشکل، از تکنیک حذف تصادفی استفاده شده که با کاهش پیچیدگی مدل، عملکرد آن را بهبود بخشیده، در نتیجه، مدلی دقیقتر نسبت به شبکه عصبی بازگشتی عمیق استاندارد ارائه میشود. علاوه بر این، با بهرهگیری از واحد بازگشتی 80 درصد در مقایسه با مدل شبکه عصبی بازگشتی کاهش یافته و دقت مدل به طرز چشمگیری بهبود مییابد. / گیتدار عمیق، خطای مدل به میزان قابلتوجه 32 واحد بازگشتی گیتدار عمیق نهتنها دقت مدل را افزایش میدهد، بلکه پایداری و قابلیت تعمیمپذیری آن را نیز ارتقا میبخشد. این روش، بهویژه در مقایسه با 43 برابر سریعتر ارائه میدهد که برای کاربردهای عملی و صنعتی از اهمیت ویژهای برخوردار است. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی بازگشتی (RNN)؛ مدار بازیابی کلاک قفلکننده فاز دیجیتال (DPLL)؛ واحد بازگشتی گیتدار (GRU)؛ تکنیک حذف تصادفی (Dropout) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 196 |
||