cadence16.5 pspice教程全集
cadence16.5 pspice教程全集，很详细的pspice教程，说的很详细，通俗易懂，推荐下载。cadenceCHANNEL PARTNER、 Cadence/ OrCAD拥有一批学识渊博的技术攴持人员,他们注重与工程师在工作上密切配合,尽可能提高其软件的生产效率。5、 PSpice16.5版本具有自动收敛的功能,自动调整仿真参数帮助电路收敛。6、支持多个 slPs block,实现 Matlab与 Pspice电路仿真的无缝结合7、 PSpice是当今占主导地位的,基于 SPICE的仿真器。三、 PSpice的工作流程图绘制原理图「选择分析方或修L设置仿真参数」元改件电运行仿真数结你果是香符合Y仿真结束四、 PSpice a/D基木的分析内容在选择分析方法前需要绘制电路原理图, OrcaD统一由 Capture窗口进行输入和调用 PSpice分析。在使用时绘制原理图应该注意的地方。新建时应选择调用的器件必须有模型首先,调用软件本身提供的模型库,这些库文件存储的路径为,此路径中的所有器件都有提供模型,可以直接调用。其次,若使用自己的器件,必须保证两个文件同时存在,而且器件属性中必须包含属性。原理图中至少必须有一条网络名称为,即接地。必须有激励源原理图中的端口符号并不具有电源特性,所有的激励源都存储在和库中上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNER电源两端不允许短路,不允许仅由电源和电感组成回路,也不允许仅由电溟和电容组成的割集。解决方法:电容并联一个大电阻,电感串联一个小电阻6、好不要使用负值电阻、电容和电感,因为他们容易引起不收接下来具体介绍几种基本的分析方法和参数的设置。直流分析(直流分析指是使电路某个元器件参数作为自变量在一定范围内变化,对自变量的每个取值,计算电路的输出变量的自流偏特性。此过程中还可以指定一个参变量并确定取值范围,每设定一个参变量的值,均计算输出变量随自变量的变化特性。直流分析也是交流分析时确定小信号线性模型参数和瞬态分析确定初始值所需的分析。模拟计算后,可以利川功能绘出曲线,或任意输出变量相对任元件参数的传输特性曲线首先我们开启,打丌如图所示的界OrCAD CaptureFile Y1ew Tools Edit Lptions Windon Help〔 agenceSPARAMSCHEMATICI-bias量量量国量口口园国4D: FSPICE材料2011 EM\BANDPASS.IS图1-1 Capturer界面上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNER接下来使用菜单:启动建立一个新的工程,如图所示PCtrltsSave AsHIL FileVerilog File图新建工程界面在图对话框中输入文件名,如“”。在下面的单选按钮中选择“”,要注意这是由直接调用的按钮,不要选错哦。那么其它的选项是仆么意思呢?数模混合仿真系统级原理图设计或设计原理图设计最后在“”中指点文件存放的文件夹后,单击,出现图界面。Rev ProiectCreate a New Project UsingHelHelp⊙ Analog or Mixed A/DTip for New Users○PAnalog orMixed A /D project. Thenew project may be b alm O Piog ammable Logic wizardor copied from an existing○ SchemLuLaliuriDBrOWS图1-3建立新电路图对话框Create pspice Prone基于已有的设计创建文件○ CReate baxIsting proerOKBuck ConverterBIOCancelCreate a上 ank project厂Hahn创建空白设计图1-4创建 PSpice文件对话框上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNER在“ Create based upon an existing project”下可以看到许多已有的工程和电路图。我们选择“ Create a blank project”,进入到仿真电路图绘制窗凵,并开始绘制电路图。如图1-5所示。i OrCAD Capture L/=(SCHEIATICI: PAGE1)□-回回 File: Edit View Tools Place Macro0 PSpice Accessories ption3置idoy正elpcadences间器回博期②0回角6@101PGE1仿真工具栏图4罕LxF121:31:14:516::1:11101110图1-5仿真电路图输入窗口接下来,我们先要学会选择器件:选择绘图工具栏中的点击后图1-5窗口出现放置元件的窗凵如图1-6所示。注意选择的器件库必须存储在路径为卜,此路径中的所有器件都有提供模型,可以直接调用。活着如果是使用自己的器件,必须保证两个文件同时存在,而且器件属性中必须包含属性,即在图对话框中选中的器件需要有燃的标i(对丁新建器件,后续有专门教程讲解)上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNERPlace partRPart lis上:QPND-4153/55C/DIODEUPND-41535/DIODEQPND-4153/27C/DIODEQSCH-55457-55C/DIODE05CH55125心D0DE添加元件库4527CDJoDEBTEST/TESR/ANALOG,--LibrariesxNAL口Desian CacheDIODEOPAMPSOURCEPackagingParts per PkgR?Part^∧Type: Homogeneous1k⊙Nrml+」 Search for fa图1-6放置元件的窗口如图1-6,我们选择输入“R”,找到在 analog.lib下的电阻器件,双击它就可以放置到绘图窗口屮了。接下来我们门作个简单例子来了解一下仿真的工程。当然这甲先进行的是自流扫描分析( DC Sweep)在图1-5的原理图绘制窗凵中输入如图1-7所示的电路。W图1-7原理电路图上图所用到的器件信息器件模型模型库电源VDC/ souce电阻R/ analog稳压管DI1N5225/ diode上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNER地0注意一点:地的选择不是在 Place part,而是在 Place ground中选择名称为0的0电路图画好后存盘,然后就要开始设置仿真参数开始进行仿真了。首先,新建个仿真文件,启动 PSpice/ New simulation命令,或者自接点击仿真工具栏中按钮,得到图1-8所示对话框。在Name中输入仿真文件名,如:DC,点击“ Create”后,在原来工程文件夹中就会自动生成一个名为“DC”的文件夹,后面所作的仿真结果和工程均保存在该文件夹下,方便于管理。HeS量 uLationXNalCreateDccelInherit fromroFERoot Schematic SCHEMATIC1图1-8仿真参数设置对话框完成图1-8后,会弹出图1-9所示的仿真参数设置窗凵。我们先从 Analysis中开始看起互 ilLation setFiles0ptectorY⊙ voltageModel typ○Guba○ ModelMonte Carlo/ W orst Cs OIermParameter namePTP〕- Sweep type□L。 d bias PEndvalue: 10O Logar ta mIc DecadeincrementOvale Ist确定□取捎应用)匚帮图1-9仿真参数设置窗口在 Analysis type(分析类型)屮我们选取 DC Sweep上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNER在 Option中,我们选取 Primary Sweep在 Sweep variable中可以看到如下几个选项Voltage Source电压源信息Current source电流源信息Global parameter全局参数Model parameter模型参数Temperature温度设置在 Sweep type中,我们可以设置为 Linear(线性); logarithmic(对数), valueline(设置点)。这里我们对电压源Ⅵ1进行设置,扫描值为-6V到10V,每次递增1V设置好后,点击确定。然后点击仿真工具栏屮的◎,运行仿真。接着就调出了 PSpice的界面,如图1-10所示。sCHELATICI-DC- PSpice ND [nC. dat (active)Iatis tait Yim amative Ia twt Trl. Iiam May cadence -oxSoHEMATIC1DC输出仿真结果区回基公回在这里,按照用户的要求可以产生各式各样的输出波形波形显示窗口或输出文件Poi"SCHEMATIC1DC[D pepooMFA仿高状态窗口,负资Reyong and cheekngeeutGreul reyn a checked no文字窗输出窗,负武显示显示本仿真执行内容本你真操作具的着的信惠2I1r010n户与执行后的信息图1-10 PSpice执行模拟窗口PSpice界面中最主要的工具栏含义如图1-11所示。对X轴坐标在对数或线性变‖对波形进行傅添加性能分析波化之间互相转换立叶变换形显示窗口QQ6amm回X查找波形上的点对Ⅴ轴坐标在对数或线计算全局性变化之间互相转换忝加波形显示出波函数值形让笪占图1-11 PSpice基木工具栏的含义选择菜单栏 Trace/ Add trace,或者点击图标,得到图1-12对话框,在这里我们可以看到有两个标签 Simulation output variables与 Functions and macros“ Simulation Output variables”中包含许多的变量,“ Functions and macros”上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱cadenceCHANNEL PARTNERkdd TraceSimulation Output variable仿真输出变量Functions or macrosAnalog Operators and FunctioID11I[D1: A)回点F1:1[y1凶 voltages1:+[D1: Alv CurrerIVIDI: KIN0120输出变量的列表回 Pawer8数学运算ATANITN0127函数□NHalAVGAVGXO∨R12cs(〕v1:回 Alias namesD[〕Subcircuit NodesDB(〕41[D1ENMA风RENVMIN I11EXF〔/2D过滤显示V2(R节点M21GGG[D125 variables listedR110‖A10〔1F时输入欲观看节点的波形[OK[Cancel[ Help图1-12加入波形对话框中冇需要测量的信息函薮。在操作的过程中,比如要看最大的的值的吋候,先选择Max0函数,再选择变量的类型V1⑩D1)。我们就可以在 Trace Expression中看到表达式:MAX(Ⅵl(D1)。这是一个最为基本的步骤。若选择输出V2(D1),得到图1-13的波形。通过波形可以自己分析是否满足设计要求图1-12输出波形随输入信号的变化曲线交流分析(上海市长宁区延安西路号华敏、翰尊时代广场层座邮箱
- 2020-12-04下载
- 积分：1
反向传播算法推导—全连接神经网络
反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大 规模的应用。全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神 经网络(RNN)中都有它的实现版本。算法从多元复合函数求导的链式法则导出，递推的 计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失函数对神经网络每一层 临时输出值的梯度。反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误 差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层(w, x,)+b这个神经元接受的输入信号为向量(),向量()为输入向量的组合权重,为徧置项,是标量。神经儿对输入冋量进行加权求和,并加上偏置项最后经过激活函数变换产生输出为表述简洁,我们把公式写成向量和矩阵形式。对每个神经元,它接受的来自前一层神经元的输入为向量,本节点的权重向量为,偏置项为,该神经元的输出值为先计算输入向量与权重向量的内积,加上偏置项,再送入一个函数进行变换,得到输出这个函数称为激活函数,典型的是函数。为什么需要激活函数以及什么样的函数可以充当激活函数,在之前的公众号文章“理解神经网终的激活函数”中已经进行了介绍。神绎网络一般有多个层。第一层为输入层,对应输入向量,神绎元的数量等于特征向量的维数,这个层不对数据进行处理,只是将输入向量送入下一层中进行计算。中间为隐含层,可能有多个。最后是输出层,神经元的数量等于要分类的类别数,输出层的输岀值被用来做分类预测。下面我们来看一个简单神经网络的例了,如下图所示这个网络有层。第一层是输入层,对应的输入向量为,有个神经元,写成分量形式为(),它不对数据做任何处理,直接原样送入下一层。中间层有个神经元,接受的输入数据为向量,输出向量为,写成分量形式为。第三个层为输出层,接受的输入数据为向量,输出向量为,写成分量形式为()。第一层到第层的权重矩阵为(,第二层到第三层的权重矩阵为()。权重矩阵的每一行为一个权重向量,是层所有神经元到本层某一个神经儿的连接权重,这里的上标表小层数如果激活函数选用函数,则第二层神经元的输出值为+(-(+0)+(1+(0)(-(()第三层神经元的输出值为如果把代入上面二式中,可以将输出向量表示成输出向量的函数。通过调整权重矩阵和偏置项可以实现不同的函数映射,因此神经网终就是一个复合函数需要解决的·个核心问题是·旦神经网络的结构(即神经元层数,每层神经元数量)桷定之后,怎样得到权重矩阵和偏置项。这些参数是通过训练得到的,这是本文推导的核心任务个简单的例子首先以前面的层神经网络为例,推导损失函数对神经网络所有参数梯度的计算方法假设训练样本集中有个样本()。其中为输入向量,为标签向量。现在要确定神经网络的映射函数:什么样的函数能很好的解释这批训练栟本?答案是神经网络的预测输出要尽可能的接近样本的标签值,即在训练集上最小化预测误差,如果使用均方误差,则优化的目标为:∑‖()-其中()和都是向量,求和项内部是向量的范数平方,即各个分量的平方和。上面的误差也称为欧氏距离损失函数,除此之外还可以使用其他损失函数,如交叉熵、对比损失等。优化目标函数的自变量是各层的权重矩阵和梯度向量,一般情况下无法保证目标函数是凸函数,因此这不是一个凸优化问题,有陷入局部极小值和鞍点的风险(对于这些概念和问题之前的公众号文章“理解梯度下降法”,“理解凸优化”中己经做了详细介绍)这是神经网络之前一直被诟病的一个问题。可以使用梯度下降法进行求解,使用梯度下降法需要计算出损失函数对所有权重矩阵、偏置向量的梯度值,接下来的关键是这些梯度值的计算。在这里我们先将问题简化,只考虑对单个样本的损失函数()-‖后面如果不加说明,都使用这种单样木的损失函数。如果计算出了对单个样木损失函数的棁度值,对这些梯度值计算均值即可得到整个目标函数的梯度值。和(要被代入到网络的后一层中,是复合函数的内层变量,我们先考虑外层的和。权重矩阵是一个x的矩阵,它的两个行分别为向量(和是个维的列向量,它的两个元素为()和()。网络的输入是向量,第一层映射之后的输出是向量首先计算损失函数对权重矩阵每个元素的偏导数,将欧氏距离损尖函数展开,有((+))(())6(如果,即对权重矩阵第行的元素求导,上式分了中的后半部分对来说是常数。根据链式法则有S()+()O如果,即对矩阵第二行的元素求导,类似的有:可以统一写成可以发现,第一个下标决定了权重矩阵的第行和偏置向量的第个分量,第二个下标决定了向量的第个分量。这可以看成是一个列向量与一个行向量相乘的结果,写成矩阵形式为上式中乘法⊙为向量对应元素相乘,第二个乘法是矩阵乘法。是个维列向量,+也是一个维列向量,两个向量执行⊙运算的结果还是个维列向量。是一个元素的列向量,其转置为维行向量,前面这个:维列向量与的乘积为的矩阵,这正好与矩阵的尺寸相等。在上面的公式中,权重的偏导数在求和项中由部分组成,分别是网络输出值与真实标签值的误差激活区数的导数+(),本层的输入值。神经网络的输出值、激活函数的导数值本层的输入值都可以在正向传播吋得到,因此可以晑效的计算出来。对所有训练样本的偏导数计算均值,可以得到总的偏导数对偏置项的偏导数为:如果上式分子中的后半部分对来说是常数,有:()⊥()如果类似的有这可以统写成:写成矩阵形式为偏置项的导数由两部分组成,分别是神经网络预测值与真实值之间的误差,激活函数的导数值,与权重矩阵的偏导数相比唯一的区别是少了。接下来计算对和的偏导数,由于是复合函数的内层,情况更为复杂。()是个的短阵,它的个行向量为(),(,(,(。偏置项()是维向量,个分量分别是(),(,(),(。首先计算损失函数对的元素的偏导数:而上式分子中的两部分都有,因此都与有关。为了表述简活,我们令:根据链式法则有:其巾((和和都是标量和()是两个()向量的内积,的每一个分量都是()的函数。接下来计算和这里的一是个向量,衣示的每个分量分别对求导。当时有:后面个分量相对于求导变量(都是常数。类似的当时有:()0)(()和时的结果以此类推。综合起来有:同理有:()十如果令合并得到()()[()-)。()。()写成矩阵形式为()最后计算偏置项的偏导数()类似的我们得到:合并后得到()写成矩阵形式为:(0)至此,我得到了这个简单网络对所有参数的偏导数,接下来我们将这种做法推广到更般的情况。从上面的结果可以看岀一个规律,输出层的权重矩阵和偏置向量梯度计算公式中共用了()-)()对」隐含层也有类似的结果完整的算法现在考虑一般的情况。假设有个训练样本(),其中为输入向量,为标签向量。训练的目标是最小化样木标签值与神经网络预测值之闩的误差,如果使用均方误差,则优化的目标为:其中为神经网络所有参数的集合,包括各层的权重和偏置。这个最优化问题是·个不带约束条件的问题,可以用梯度下降法求解。上面的误差函数定义在整个训练样本集上,梯度下降法每一次迭代利用了所有训练样本,称为批量棁度卜降法。如果样木数量很大,每次迭代都用所有样木进计算成木太高。为了解决这个问题,可以采用单样本梯度下降法,我们将上面的损失函数写成对单个样本的损失函数之和:定义对单个样本()的损失函数为)=-()如果采用单个样本进行迭代,梯度下降法第次迭代时参数的更新公式为:nV如果要用所有样本进行迭代,根据单个样本的损失函数梯度计算总损失梯度即可,即所有样本梯度的均值用梯度下降法求解需要初始化优化变量的值。一般初始化为一个随机数,如用正态分布(a)产生这些随机数,其中G是一个很小的正数到日前为止还有一个关键问题没有解决:日标函数是一个多层的复合函数,因为神经网络中每一层都有权重矩阵和偏置向量,且每一层的输出将会作为下一层的输入。因此,直接计算损失函数对所有权重和偏置的梚度很复杂,需要使用复合函数的求导公式进行递推计算几个重要的结论在进行推导之前,我们首先来看下面几种复合函数的求导。又如下线性映射函数:其中是维向量,是×的矩阵,是维向量。问题:假设有函数,如果把看成常数,看成的函数,如何根据函数对的梯度值Ⅴ计算函数对的梯度值Ⅴ?根据链式法则,由于只和有关,和其他的≠无关,因此有:c∑(对于的所有元素有:写成矩阵形式为:问题:如果将看成常数,将看成的函数,如何根据V计算Ⅴ?由于任意的和所有的都有关系,根据链式法则有写成矩阵形式为这是一个对称的结果,在计算函数映射时用矩阵乘以向量得到,在求梯度时用矩阵的转置乘以的梯度得到的梯度。问题:如果有向量到向量的映射:
- 2020-12-09下载
- 积分：1
