| TÃtulo : |
Using Artificial Neural Networks for Analog Integrated Circuit Design Automation |
| Tipo de documento: |
documento electrónico |
| Autores: |
Rosa, João P. S., Autor ; Guerra, Daniel J. D., Autor ; Horta, Nuno C. G., Autor ; Martins, Ricardo M. F., Autor ; Lourenço, Nuno C. C., Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
XVIII, 101 p. |
| ISBN/ISSN/DL: |
978-3-030-35743-6 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Circuitos electrónicos Procesamiento de la señal Inteligencia Computacional Circuitos y sistemas electrónicos Procesamiento de señales voz e imágenes |
| Ãndice Dewey: |
6.213.815 |
| Resumen: |
Este libro aborda el dimensionamiento y diseño automático de circuitos integrados analógicos (CI) utilizando aprendizaje profundo (DL) y redes neuronales artificiales (ANN). Explora un enfoque innovador para el dimensionamiento automático de circuitos donde las RNA aprenden patrones de soluciones de diseño previamente optimizadas. En oposición a las estrategias de dimensionamiento clásicas basadas en optimización, donde se utilizan técnicas de inteligencia computacional para iterar sobre el mapa desde los tamaños de los dispositivos hasta el rendimiento de los circuitos proporcionado por ecuaciones de diseño o simulaciones de circuitos, las ANN han demostrado ser capaces de resolver el dimensionamiento de circuitos integrados analógicos como una Mapa directo desde las especificaciones hasta los tamaños de los dispositivos. Se proponen dos arquitecturas ANN separadas: un modelo de solo regresión y un modelo de clasificación y regresión. El objetivo del modelo de solo regresión es aprender patrones de diseño de los circuitos estudiados, utilizando el rendimiento del circuito como caracterÃsticas de entrada y los tamaños de los dispositivos como salidas objetivo. Este modelo puede dimensionar un circuito dadas sus especificaciones para una única topologÃa. El modelo de Clasificación y Regresión tiene las mismas capacidades que el modelo anterior, pero también puede seleccionar la topologÃa de circuito más adecuada y su respectivo tamaño dada la especificación objetivo. La metodologÃa propuesta fue implementada y probada en dos topologÃas de circuitos analógicos. . |
| Nota de contenido: |
Introduction -- Related Work -- Overview of Artificial Neural Networks (ANNs) -- On the Exploration of Promising Analog IC Designs via ANNs -- ANNs as an Alternative for Automatic Analog IC Placement -- Conclusions. . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Using Artificial Neural Networks for Analog Integrated Circuit Design Automation [documento electrónico] / Rosa, João P. S., Autor ; Guerra, Daniel J. D., Autor ; Horta, Nuno C. G., Autor ; Martins, Ricardo M. F., Autor ; Lourenço, Nuno C. C., Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XVIII, 101 p. ISBN : 978-3-030-35743-6 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Circuitos electrónicos Procesamiento de la señal Inteligencia Computacional Circuitos y sistemas electrónicos Procesamiento de señales voz e imágenes |
| Ãndice Dewey: |
6.213.815 |
| Resumen: |
Este libro aborda el dimensionamiento y diseño automático de circuitos integrados analógicos (CI) utilizando aprendizaje profundo (DL) y redes neuronales artificiales (ANN). Explora un enfoque innovador para el dimensionamiento automático de circuitos donde las RNA aprenden patrones de soluciones de diseño previamente optimizadas. En oposición a las estrategias de dimensionamiento clásicas basadas en optimización, donde se utilizan técnicas de inteligencia computacional para iterar sobre el mapa desde los tamaños de los dispositivos hasta el rendimiento de los circuitos proporcionado por ecuaciones de diseño o simulaciones de circuitos, las ANN han demostrado ser capaces de resolver el dimensionamiento de circuitos integrados analógicos como una Mapa directo desde las especificaciones hasta los tamaños de los dispositivos. Se proponen dos arquitecturas ANN separadas: un modelo de solo regresión y un modelo de clasificación y regresión. El objetivo del modelo de solo regresión es aprender patrones de diseño de los circuitos estudiados, utilizando el rendimiento del circuito como caracterÃsticas de entrada y los tamaños de los dispositivos como salidas objetivo. Este modelo puede dimensionar un circuito dadas sus especificaciones para una única topologÃa. El modelo de Clasificación y Regresión tiene las mismas capacidades que el modelo anterior, pero también puede seleccionar la topologÃa de circuito más adecuada y su respectivo tamaño dada la especificación objetivo. La metodologÃa propuesta fue implementada y probada en dos topologÃas de circuitos analógicos. . |
| Nota de contenido: |
Introduction -- Related Work -- Overview of Artificial Neural Networks (ANNs) -- On the Exploration of Promising Analog IC Designs via ANNs -- ANNs as an Alternative for Automatic Analog IC Placement -- Conclusions. . |
| En lÃnea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaUsing Artificial Neural Networks for Analog Integrated Circuit Design Automation / Rosa, João P. S.
