题目：人工神经网络及其在微波电路设计中的应用

主讲嘉宾： 冯枫 ，天津大学微电子学院，副教授

时间：2021年11 月15日（周一）19：00开始

地点：腾讯会议（会议号：629758475）

个人简介：

冯枫，博士，天津大学微电子学院副教授，2012年获得天津大学电子信息工程专业学士学位，2017年获得天津大学电磁场与微波技术专业和加拿大卡尔顿大学电子与计算机工程专业双博士学位（导师张齐军教授、马建国教授），2017年至2020年于加拿大卡尔顿大学从事博士后研究工作，合作导师为张齐军教授，2020年入职天津大学微电子学院并任副教授。

冯枫博士长期从事射频微波EDA技术研究，一作/通讯发表论文四十余篇，其中微波领域顶级期刊IEEE Transactions on Microwave Theory and Techniques（IEEE TMTT, 中科院一区Top）论文十余篇，担任IEEE设计自动化委员会委员、中国电子学会高级会员，并同时担任IEEE TMTT、IEEE TCYB、IEEE TCAS、IEEE MWCL等国际权威期刊审稿人。

摘要：

人工神经网络（ANN），是一种信息处理系统，其设计灵感来源于对人脑从观察中学习和通过抽象概括能力的研究。神经网络可以通过训练从相应的数据中学习任意非线性输入输出关系，这一事实使其在许多领域得到了应用，如模式识别、语音处理、控制、生物医学工程等。人工神经网络已被用于无源和有源器件及电路的建模，以增强电路设计。人工神经网络可以使用测量或模拟的器件/电路数据进行训练，如无源器件的电磁场仿真数据和有源器件的物理测试数据。经过训练的人工神经网络模型，可以用来代替耗时的电磁场/物理模型，以显著加快电路设计，同时保持电磁场/物理级精度。最近开发出了一种先进的基于知识的人工神经网络，即神经网络传递函数（neuro-TF）方法。在神经网络传递函数方法中，传递函数被用来拟合高度非线性电磁响应随频率变化的先验知识，神经网络被用来拟合低非线性的传递函数参数和几何变量的关系，这使得神经网络传递函数模型比单纯人工神经网络模型具有更高的精确度和鲁棒性。训练后的神经网络传递函数模型可以作为电磁场/多物理场模型的替代模型，用于快速设计优化。