MétaCan
Menu
Retour à la cohorte
Enregistrement W4312708667 · doi:10.1109/tmtt.2022.3222181

Development of Knowledge-Based Artificial Neural Networks for Analysis of PSIJ in CMOS Inverter Circuits

2022· article· en· W4312708667 sur OpenAlexafffund
Ahsan Javaid, Ramachandra Achar, Jai Narayan Tripathi

Notice bibliographique

RevueIEEE Transactions on Microwave Theory and Techniques · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Compatibility and Noise Suppression
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCMOSJitterInverterElectronic engineeringArtificial neural networkElectronic circuitComputer scienceNoise (video)EngineeringArtificial intelligenceElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

In this article, a knowledge-based artificial neural network (ANN) is developed for predicting jitter in CMOS inverter circuits in the presence of power supply noise (PSN). The proposed ANN provides for efficient training in a hybrid approach using input data extracted from both analytical closed-form expressions and a circuit simulator. The proposed ANN demonstrates a reasonably accurate prediction of power supply-induced jitter (PSIJ) with results that closely match that from directly using a circuit simulator (HSPICE) for a case study with 22-nm CMOS technology.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,405
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,247
Écart entre enseignants0,230 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Microwave Theory and TechniquesMême sujetElectromagnetic Compatibility and Noise SuppressionTravaux en français237 207