[发明专利]基于神经网络的HMET散射参数提取方法、系统及存储介质在审
| 申请号： | 201910788925.X | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110598849A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 秦剑;黄兴原 | 申请（专利权）人： | 广州大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 44205 广州嘉权专利商标事务所有限公司 | 代理人： | 朱晓敏 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 散射参数 神经网络 高电子迁移率晶体管 样本数据 神经网络测试 训练神经网络 电子迁移率 晶体管 测高 彼此独立 彼此分离 测试参数 存储介质 剩余组 准确率 抽取 测试 输出 应用 | ||
1.一种基于神经网络的HMET散射参数提取方法，其特征在于，包括以下步骤：
获取高电子迁移率晶体管的若干组散射参数样本数据；
抽取所述若干组散射参数样本数据中的部分组作为训练样本数据训练神经网络，所述神经网络包括彼此分离的第一神经网络和第二神经网络；
将所述若干组散射参数样本数据中的剩余组作为测试样本数据测试所述神经网络；
当所述神经网络测试通过，则获取待测高电子迁移率晶体管的测试参数并输入到所述神经网络以输出待测高电子迁移率晶体管的散射参数；
否则，继续训练所述神经网络，直至所述神经网络测试通过。
2.根据权利要求1所述的基于神经网络的HMET散射参数提取方法，其特征在于，所述第一神经网络和所述第二神经网络的输入参数相同。
3.根据权利要求2所述的基于神经网络的HMET散射参数提取方法，其特征在于，所述第一神经网络和所述第二神经网络的输出分别为散射参数的反射系数和传播系数。
4.根据权利要求3所述的基于神经网络的HMET散射参数提取方法，其特征在于，所述第一神经网络和所述第二神经网络在训练过程中层数和神经元的数目可以变化。
5.根据权利要求1-4任一项所述的基于神经网络的HMET散射参数提取方法，其特征在于，所述样本数据包括频带、电压、电流、频率及散射参数，所述测试参数包括频带、电压、电流及频率。
6.根据权利要求5所述的基于神经网络的HMET散射参数提取方法，其特征在于，所述神经网络测试通过的判断标准为：测试样本数据的输出结果与实际值的平均相对误差不大于5％和/或均方误差不大于5％。
7.一种基于神经网络的HMET散射参数提取系统，其特征在于，包括：
样本数据获取模块，用于获取高电子迁移率晶体管的若干组散射参数样本数据；
神经网络训练模块，用于抽取所述若干组散射参数样本数据中的部分组作为训练样本数据训练神经网络，所述神经网络包括彼此分离的第一神经网络和第二神经网络；
神经网络测试模块，用于将所述若干组散射参数样本数据中的剩余组作为测试样本数据测试所述神经网络；
神经网络预测模块，用于当所述神经网络测试通过，则获取待测高电子迁移率晶体管的测试参数并输入到所述神经网络以输出待测高电子迁移率晶体管的散射参数；
否则，继续训练所述神经网络，直至所述神经网络测试通过。
8.一种基于神经网络的HMET散射参数提取装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述的基于神经网络的HMET散射参数提取方法。
9.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-6任一项所述的基于神经网络的HMET散射参数提取方法。
10.一种基于神经网络的HMET散射参数提取系统，其特征在于，包括服务器设备以及与所述服务器设备连接的计算机设备；其中，
所述服务器设备，用于通过数据样本训练和测试神经网络；
所述计算机设备包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述的基于神经网络的HMET散射参数提取方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州大学，未经广州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910788925.X/1.html，转载请声明来源钻瓜专利网。
