MétaCan
Menu
Retour à la cohorte
Enregistrement W4380302106 · doi:10.1109/spi57109.2023.10145548

Modeling S-parameters of Interconnects using Periodic Gaussian Process Kernels

2023· article· en· W4380302106 sur OpenAlexaff
Federico Garbuglia, Domenico Spina, Torsten Reuschel, Christian Schuster, Dirk Deschrijver, Tom Dhaene

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésGaussian processKernel (algebra)GaussianGaussian functionExponential functionAlgorithmComputer scienceApplied mathematicsProcess (computing)Scattering parametersMathematicsMathematical optimizationElectronic engineeringMathematical analysisEngineeringPhysicsDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a novel technique to model wide-band scattering parameter (S-parameter) curves of high-speed digital interconnects. The proposed technique utilizes a new kernel function with periodic components for Gaussian process (GP) models. After proper training, the GP models are able to predict the S-parameter values at arbitrary frequency points inside the trained interval. The performance of the proposed technique is reviewed by means of correlation with standard Gaussian Processes with squared exponential kernel and Matern kernel. Results for the proposed technique show an increased prediction accuracy when applied to interconnects.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,416

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 Opus0,032
Tête enseignante GPT0,266
Écart entre enseignants0,234 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCCD and CMOS Imaging SensorsTravaux en français237 207