Применение нейронных сетей для решения задач обратного моделирования нелинейных устройств

А.В. Панкратов; В.Н. Ланцов

Применение нейронных сетей для решения задач обратного моделирования нелинейных устройств

А.В. Панкратов¹, В.Н. Ланцов²

научная статья Страницы: 38-43

¹ аспирант, кафедра вычислительной техники, Владимирский государственный университет им. А.Г. и Н.Г. Столетовых
² д.т.н., профессор, зав. кафедрой вычислительной техники, Владимирский государственный университет им. А.Г. и Н.Г. Столетовых

Ключевые слова: нелинейные устройства нейронные сети моделирование проектирование обратные задачи

Аннотация

Представлены два подхода использования нейронных сетей для моделирования и проектирования нелинейных устройств, использующих концепцию обратного моделирования, где входами обратной модели являются электрические параметры, а выходами - физические параметры.

Для цитирования

Панкратов А.В., Ланцов В.Н. Применение нейронных сетей для решения задач обратного моделирования нелинейных устройств // Динамика сложных систем - XXI век. 2015. № 2. С. 38–43.

Список источников

Ланцов В.Н., Долинина А.А.Панкратов А.В. Алгоритмы макромоделирования сложных нелинейных систем // Динамика сложных систем. 2014. № 5. Т. 8. С. 23−30.
Kabir H., Wang Y., Yu M., Zhang Q.-J. Neural network inverse modeling and applications to microwave filter design // IEEE Trans. on Microwave Theory and Techniques. V. 56. № 4. P. 867−879.
Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука. 1974.
Лаврентьев М.М., Романов В.Г., Шишатский С.П. Некорректные задачи математической физики и анализа. М.: Наука. 1980.
Selleri S., Manetti S., Pelosi G.Neuralnetworkapplicationsinmicrowavedevicedesign // Int. J. RFMicrow. Comput. AidedEng. 2002. V. 12. № 1. P. 90−97.
Панкратов А.В., Ланцов В.Н. Нелинейная макромодель в виде динамической нейронной сети для задач анализа методом гармонического баланса // Проектирование и технология электронных средств. 2013. № 4. С. 7−11.
Панкратов А.В., Ланцов В.Н. Метод расчета Якобиана для анализа нелинейных схем на основе присоединенной динамической нейронной сети // Проектирование и технология электронных средств. 2014. № 1. С. 21−24.
Bishop C.M. Pattern Recognition and Machine Learning. Springer. 2007. 654 p.
Nabney I.T. NETLAB: Algorithms for Pattern Recognition. Springer. 2004. 462 p.

[1] Ланцов В.Н., Долинина А.А.Панкратов А.В. Алгоритмы макромоделирования сложных нелинейных систем // Динамика сложных систем. 2014. № 5. Т. 8. С. 23−30.

[2] Kabir H., Wang Y., Yu M., Zhang Q.-J. Neural network inverse modeling and applications to microwave filter design // IEEE Trans. on Microwave Theory and Techniques. V. 56. № 4. P. 867−879.

[3] Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука. 1974.

[4] Лаврентьев М.М., Романов В.Г., Шишатский С.П. Некорректные задачи математической физики и анализа. М.: Наука. 1980.

[5] Selleri S., Manetti S., Pelosi G.Neuralnetworkapplicationsinmicrowavedevicedesign // Int. J. RFMicrow. Comput. AidedEng. 2002. V. 12. № 1. P. 90−97.

[6] Панкратов А.В., Ланцов В.Н. Нелинейная макромодель в виде динамической нейронной сети для задач анализа методом гармонического баланса // Проектирование и технология электронных средств. 2013. № 4. С. 7−11.

[7] Панкратов А.В., Ланцов В.Н. Метод расчета Якобиана для анализа нелинейных схем на основе присоединенной динамической нейронной сети // Проектирование и технология электронных средств. 2014. № 1. С. 21−24.

[8] Bishop C.M. Pattern Recognition and Machine Learning. Springer. 2007. 654 p.

[9] Nabney I.T. NETLAB: Algorithms for Pattern Recognition. Springer. 2004. 462 p.

Аннотация

Для цитирования

Похожие статьи