| Revista: | Dyna (Medellín) |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000395031 |
| ISSN: | 0012-7353 |
| Autores: | Polanco Martagón, Said1 Ruiz Ascencio, José2 Duarte Villaseñor, Miguel Aurelio3 |
| Instituciones: | 1Universidad Politécnica de Victoria, Departamento en Tecnologías de la Información, Ciudad Victoria, Tamaulipas. México 2Centro Nacional de Investigación y Desarrollo Tecnológico, Laboratorio de Inteligencia Artificial, Cuernavaca, Morelos. México 3Instituto Tecnológico de Tijuana, Tijuana, Baja California. México |
| Año: | 2016 |
| Periodo: | Jun |
| Volumen: | 83 |
| Número: | 197 |
| Paginación: | 128-137 |
| País: | Colombia |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | En este trabajo es presentado un método para extraer datos acerca de los resultados de un dimensionamiento de circuitos analógicos para extraer características que puede ser inmediatamente utilizado por diseñadores o estudiantes de diseño de circuitos integrados analógicos. Los modelos simbólicos que han sido generados utilizando Programación Genética Multi-Objetivo son modelos matemáticos humano interpretables. El procedimiento presentado abarca dos etapas: la generación de muestras del frente de Pareto de las dimensiones con desempeño óptimo de dos celdas de ganancia unitaria mediante el algoritmo genético NSGA-II; y la generación de modelos de cada uno de los objetivos del dimensionamiento utilizando regresión simbólica vía programación genética. La funcionalidad del método se muestra al describir tres casos: dos seguidores de corriente y un seguidor de voltaje |
| Resumen en inglés | A method to data-mine results of an analog circuit sizing in order to extract knowledge that can be immediately used by designers or students of analog integrated circuit design is presented. The symbolic models, which have been generated using multi-objective genetic programming, are human-interpretable mathematical models. The procedure presented involves two steps: the generation of samples of Pareto-optimal performance sizes of two unity gain cells using the NSGA-II genetic algorithm; and the generation of models of each of the objectives sized by symbolic regression via genetic programming. The functionality of the method to describe circuits is shown in three cases: two current followers and one voltage follower |
| Disciplinas: | Ingeniería, Ciencias de la computación |
| Palabras clave: | Ingeniería electrónica, Diseño de circuitos, Circuitos analógicos, Regresión simbólica, Programación genética, Optimización multiobjetivo |
| Keyword: | Engineering, Computer science, Electronic engineering, Circuit design, Analogic circuits, Symbolic regression, Genetic programming, Multiobjective optimizing |
| Texto completo: | Texto completo (Ver PDF) |
