共查询到13条相似文献,搜索用时 78 毫秒
1.
2.
作为一种有望解决工艺浮动下数值电路时序问题的技术,基于模块的统计静态时序分析(SSTA)需要特殊形式的门延时模型。虽然多数研究都假设能够获得这些特殊形式的模型,对于一个完整的数字库建立这必不可少的模型却不是一件简单的事。为了在不花费不可承受的代价的前提下,获得一个精度可以接受的库,我们提出利用一些具有更一般形式的数字门延时模型作为电路仿真数据和特殊形式的门延时模型的中介。在本工作中,我们提出了两个工艺浮动下可以同时考虑不同的驱动及负载条件的门电路模型。从实验结果来看,这两个模型,特别是其中那个结合了有效维度降低技术的可理解门延时模型可以以较低的代价提供较高精度的模型,因此适用于SSTA技术。同时,这些模型也可以用在其他形式的SSTA技术中。 相似文献
3.
双光子Jaynes-Cummings模型的亚泊松光子统计特性研究 总被引:3,自引:1,他引:3
本文利用量子电动力学理论和缀饰原于方法,对双光子James-Cummings模型中单模激光场的稳态亚泊松光子统计性质进行了系统研究。结果表明:激光上能级相对泵浦参量Xa具有一个确定的阈值Xat;当Xa>Xat时,光场呈现亚泊松光子统计;而当Xa>>Xat时,光场将呈现出深度且完全恒定的亚泊松光子统计。 相似文献
4.
二氧化碳(CO2)卫星遥感中,大气环境因素是影响反演精度的重要原因,目前反演条件通常限制在气溶胶光学厚度小于0.3的情况。我国大气气溶胶高值情况较为普遍,对大气条件的较高要求将严重影响我国CO2卫星遥感数据的应用能力。针对这种情况,利用基于主成分分析法对中国京津地区高气溶胶光学厚度的大气CO2反演,得到的CO2柱浓度与2013年、2014年GOSAT-Level2产品进行对比分析,均方根误差分别为0.65%和0.46%,相关性分别为0.77和0.93。 相似文献
5.
6.
在不同工艺角下,关键路径呈现显著差异,因此需要进行大量的静态时序分析,从而导致时序分析运行时间较长。与此同时,随着工艺尺寸的缩小,静态时序分析的精度问题变得不容忽视。本文提出一种基于机器学习的适用于众工艺角下的延迟预测方法,考虑工艺、电压和温度对时序的影响,利用基于自注意力Transformer模型对关键路径进行全局聚合编码,预测众工艺角下关键路径的统计延迟。在EPFL基准电路下进行验证,结果表明该方法的平均绝对误差范围为5.8%~9.4%,有良好的预测性能,可以提高时序分析的准确度和效率,进而缩短数字电路设计周期和设计成本。 相似文献
7.
Projection spectral analysis is investigated and refined in this paper, in order to unify principal component analysis and independent component analysis. Singular value decomposition and spectral theorems are applied to nonsymmetric correlation or covariance matrices with multiplicities or singularities, where projections and nilpotents are obtained. Therefore, the suggested approach not only utilizes a sum-product of orthogonal projection operators and real distinct eigenvalues for squared singular values, but also reduces the dimension of correlation or covariance if there are multiple zero eigenvalues. Moreover, incremental learning strategies of projection spectral analysis are also suggested to improve the performance. 相似文献
9.
10.
研究了一种用近红外光谱分析技术快速鉴别芝麻油品牌的方法。首先对芝麻油样品的近红外光谱采用主成分分析法进行聚类分析,加结合人工神经网络技术进行芝麻油品牌的鉴别。通过主成分分析,得到前15个主成分的累计可信度达到99.72%,再将55个校正集样品的前15个主成分数据作为BP网络输入变量,建立一个3层BP人工神经网络的芝麻油... 相似文献
11.
12.
随着布里渊光时域分析(BOTDA)传感技术在许多大型基础工程设施安全监测中的广泛应用,对测量精度和实时性的要求日益提高.采用传统的最小二乘曲线拟合方式对布里渊散射谱进行布里渊频移提取,其测量结果的精度依赖于参数初始值的选取和噪声的影响,并且拟合算法的参数迭代求解过程增加了数据处理的时间,降低了工程实时性.文章综述了多种非线性参数优化估计的曲线拟合算法和基于神经网络的布里渊散射谱特征提取的混合优化算法,介绍了无需经过曲线拟合的互相关法(XCM)、深度学习法(DL)和亚像素级精度的重心提取算法(CDA),这些算法能适应更大的扫频步长,实时性更好. 相似文献