Notice bibliographique
Résumé
For nonlinear circuits, DC analysis is one of the circuit simulation applications.The conventional source stepping continuation method is computationally expensive to do the Newton-Raphson iteration due to the large numbers of nonlinear functions and the inversion of a large matrix.It is also hard to find an efficient algorithm to do the Model Order Reduction (MOR), DC analysis and the parameterized analysis for nonlinear systems.To address the above difficulties, a novel method is proposed in this thesis for the DC analysis and the parameterized analysis.This new approach reduces the computational cost by applying the model order reduction technique to the original model.The model size of the reduced order model is much smaller, thus the computational time will be saved during the Newton-Raphson iteration.In addition, the proposed method solves the MOR problem for the nonlinear vector by applying the DEIM algorithm.Furthermore, the format of the DC solution parameterized analysis is provided.To the end, basing on the new circuit equation format, a method to compute the moment subspace is presented after applying the DEIM approximation.Pertinent numerical results are presented to verify the proposed algorithm.The simulation result also demonstrates the efficiency of the new method to solve the nonlinear equations. J(x)Jacobian function ζ Jacobian function of the circuit parameter F k Kth moment of the nonlinear function J k Kth moment of the Jacobian function U projection base of the nonlinear function Γ nonlinear function interpolation indices P DEIM selection matrix xiv
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».