لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
ششمین کنفرانس بین المللی محاسبات نرم
مدلسازی افزاره های نانولوله های کربنی و گرافنی با روش های فراابتکاری و شبکه عصبی مصنوعی مناسب برای سطوح مختلف SPICE
نویسندگان :
محمد کاظم انوری فرد
1
1- دانشگاه گیلان
کلمات کلیدی :
ترانزیستور نانولوله کربنی
چکیده :
در این پژوهش دو رویکرد مجزا برای مدلسازی افزارههای گرافنی و نانولولهای پیشنهاد شده است. در روش نخست، با استفاده از مدل تحلیلی–فراابتکاری مبتنی بر الگوریتم PSO، معادلات فیزیکی جریان درین ترانزیستور DH CNTFET استخراج میشوند که قابلیت استفاده در شبیهسازی مدارهای SPICE را دارند. این مدل با حفظ جنبههای فیزیکی، دقت بالا و پایداری عددی را فراهم میآورد. در رویکرد دوم، از دادههای حاصل از شبیهسازی عددی ترانزیستور GNRFET به عنوان ورودی شبکه عصبی مصنوعی استفاده شده تا مدلی سریع و دقیق برای پیشبینی جریان درین در ساختارهای گرافنی ایجاد شود. مدل عصبی ضمن کاهش چشمگیر زمان محاسبات، رفتار الکتریکی ترانزیستور را با دقت بالایی تقریب میزند. مقایسه نتایج نشان میدهد هر دو مدل در محدودههای مختلف کاربردی مزیتهای خاص خود را دارند.
لیست مقالات
لیست مقالات بایگانی شده
بکارگیری روش بهینه سازی تکامل تفاضلی باینری و شبکههای عصبی عمیق برای تشخیص افراد سالم، ذاتالریه و کوویدی در تصاویر اشعه ایکس
الهه اسلامی - سیدابوالفضل شاهزاده فاضلی - جمال زارع پور احمدآبادی
بررسی رفتار آتی قیمت بیت کوین با استفاده از مدل مبتنی بر شبکه های عصبی مصنوعی
نجمه نشاط - حمید توکلی - هانیه نعمت الهی
Artificial Intelligence in Medical Image Contrast Enhancement
Saleh Ouhadi - Zohreh Dorrani
Order acceptance in a cellular manufacturing system considering earliness and tardiness penalty
Mohammad Kazemi - Ahmad Sadegheih - Mohammad Mahdi Lotfi - Mohammad Ali Vahdat
کاهش مصرف انرژی در شبکه های حسگر بی سیم ثابت مبتنی بر پایگاه دانش به کمک تجمیع داده و خوشه بندی c-means فازی
فروغ نعمتی پرشکوه - حمید طباطبایی
Hybrid-Net: یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب
امیررضا عباسی - مهدی هاشم زاده - جلیل قویدل نیچران
حل مسائل سیستم مالی آشفته مرتبه کسری بوسیله روش کنترل تطبیقی
آیتاله یاری - یوسف ادریسی تبریز
کاربرد الگوریتم ژنتیک و شبکه عصبی برای پیش بینی فرار مالیاتی
مهرداد صدرآرا - زهرا جیلانی
A Comparative Study of CNN and CNN-GRU Models for Human Activity Recognition Using the WISDM Dataset
Seyed Vahab Shojaedini - Neda Kashi
Classification model for Statlog heart disease prediction through evolutionary feature selection and GMDH neural network
Nasibeh Emami
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.4