MétaCan
Menu
Retour à la cohorte
Enregistrement W2004328225 · doi:10.1109/tcpmt.2012.2234503

Efficient Reduced-Order Macromodels of Massively Coupled Interconnect Structures via Clustering

2013· article· en· W2004328225 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Components Packaging and Manufacturing Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMassively parallelReduction (mathematics)Computer scienceInterconnectionCluster analysisBlock (permutation group theory)Parallel computingAlgorithmMultithreadingSingular value decompositionModel order reductionTransient (computer programming)Degradation (telecommunications)MathematicsArtificial intelligenceThread (computing)

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel algorithm for creating efficient reduced-order macromodels from massively coupled interconnect structures is described. The new algorithm addresses the difficulty associated with the reduction of networks with a large number of input/output terminals, that often results in large and dense reduced-order models. Application of the proposed reduction algorithm leads to reduced-order models that are sparse and block-diagonal in nature. An additional advantage of the proposed algorithm is that it does not assume any correlation between the responses at ports and thereby overcomes the accuracy degradation that is normally associated with the existing singular value decomposition based terminal reduction techniques. Also, the presented algorithm is highly suited for multithreading implementation and thus facilitates parallel transient simulation. Validity and efficiency of the proposed algorithm are demonstrated through computational results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,421
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle