Articulo de referencia

Modelo de señal grande

El modelado de señales grandes es un método de análisis común utilizado en ingeniería electrónica para describir dispositivos no lineales en términos de las ecuaciones no lineal...

El modelado de señales grandes es un método de análisis común utilizado en ingeniería electrónica para describir dispositivos no lineales en términos de las ecuaciones no lineales subyacentes. En circuitos que contienen elementos no lineales como transistores , diodos y tubos de vacío , bajo "condiciones de señales grandes", las señales de CA tienen una magnitud suficientemente alta como para que se deban considerar los efectos no lineales. [ 1 ]

"Señal grande" es lo opuesto a " señal pequeña ". Señal pequeña significa que el circuito se puede reducir a un circuito equivalente linealizado alrededor de su punto de operación con suficiente precisión.

Diferencias entre señal pequeña y señal grande

Un modelo de pequeña señal toma un circuito y, basándose en un punto de operación (polarización), linealiza todos los componentes. Nada cambia porque se supone que la señal es tan pequeña que el punto de operación (ganancia, capacitancia, etc.) no varía.

Por otro lado, un modelo de señal grande considera que la señal grande afecta el punto de operación, y que los elementos son no lineales y los circuitos pueden estar limitados por los valores de la fuente de alimentación para evitar variaciones en el punto de operación. Un modelo de señal pequeña ignora las variaciones simultáneas en la ganancia y los valores de la fuente de alimentación.

Modelos de señales grandes (LSM) en inteligencia artificial

En el ámbito de la inteligencia artificial (inteligencia artificial), los modelos de señales grandes (LSTM) permiten interacciones centradas en el usuario y el descubrimiento de conocimiento a partir de datos de señales, de forma similar a como las indicaciones permiten a los usuarios consultar un LLM basado en texto no estructurado de la web. Los usuarios pueden formular preguntas generales sobre las relaciones entre el conjunto de datos de interés y los resultados de una red LSTM precompilada, construida sobre un conjunto de datos de señales en una amplia gama de dominios. Esto se logra mediante la incorporación de la detección de patrones latentes y la explicabilidad basada en grafos de conocimiento (KG) en el proceso de inferencia de la red LSTM.

Véase también

Referencias

  1. Snowden, Christopher M.; Miles, Robert E. (6 de diciembre de 2012). Modelado de dispositivos semiconductores compuestos . Springer Science & Business Media. pág.  170. ISBN 978-1-4471-2048-3.