摘要
本发明公开了一种基于DQN算法的紧凑模型参数提取方法,首先采集器件的电流‑电压特性和电容‑电压特性曲线,确定需要提取的BSIM模型参数;然后使用Hspice对初始BSIM模型进行仿真,将BSIM模型的参数提取视为马尔可夫决策问题,与深度Q网络相结合,构建并训练NoisyNet‑DQN模型,并通过梯度下降方法更新网络参数,通过不断迭代提高NoisyNet‑DQN模型精度;最后通过Hspice仿真训练完成后的参数结果验证模型的有效性。本发明紧凑模型参数提取方法,有效提高了自动化参数提取的精度,解决了传统人工提取过程中存在的高度依赖经验和效率低下等问题。
技术关键词
模型参数提取方法
DQN算法
深度Q网络
电压特性曲线
贪婪策略
MOS器件
噪声参数
蒙特卡洛
数值分析方法
更新网络参数
电容
电路仿真
电流
仿真数据
系统为您推荐了相关专利信息
测量点
禁忌搜索算法
位置更新
残差神经网络
无人机天线
自动驾驶系统
蒙特卡洛树搜索
智能交通
深度Q网络
非线性模型预测控制
定值校验方法
配电网故障
强化学习模型
任务分配模型
校验系统