Intervallwertige Support Vector Machines zur Verhaltensmodellierung analoger Schaltungen mit Parametervariationen

摘要

Algorithmen zum Maschinellen Lernen wurden bereits erfolgreich zur Erzeugung von Verhaltensmodellen analoger Schaltungen eingesetzt. Wir verfolgen diesen Ansatz weiter und bilden Parametervariationen in den Modellen mit Hilfe einer speziellen Intervallarithmetik ab. Dieser Beitrag stellt einen neuen Algorithmus vor, der Funktionen mit intervallwertigen Parametern approximiert. Der Ansatz wird zur Modellierung nichtlinearer statischer Kennlinien analoger Schaltungen mit Parametervariationen verwendet. Die Modelle lassen sich erfolgreich mit einem spezialisierten Simulator verwenden.