論文の概要: A High-accuracy Calibration Method of Transient TSEPs for Power Semiconductor Devices

• arxiv url: http://arxiv.org/abs/2501.05005v1
• Date: Thu, 09 Jan 2025 06:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:34.513916
• Title: A High-accuracy Calibration Method of Transient TSEPs for Power Semiconductor Devices
• Title（参考訳）: パワー半導体デバイスにおける過渡TSEPの高精度校正法
• Authors: Qinghao Zhang, Wenrui Li, Pinjia Zhang,
• Abstract要約: 熱感度電気パラメータ(TSEP)法は電力機器の信頼性を高めるために重要である。 本稿では,一過性TSEPの高精度校正法を提案する。 従来の校正法と比較して、平均絶対誤差は30%以上減少する。
• 参考スコア（独自算出の注目度）: 2.7446241148152257
• License:
• Abstract: The thermal sensitive electrical parameter (TSEP) method is crucial for enhancing the reliability of power devices through junction temperature monitoring. The TSEP method comprises three key processes: calibration, regression, and application. While significant efforts have been devoted to improving regression algorithms and increasing TSEP sensitivity to enhance junction temperature monitoring accuracy, these approaches have reached a bottleneck. In reality, the calibration method significantly influences monitoring accuracy, an aspect often overlooked in conventional TSEP methods. To address this issue, we propose a high-accuracy calibration method for transient TSEPs. First, a temperature compensation strategy based on thermal analysis is introduced to mitigate the temperature difference caused by load current during dual pulse tests. Second, the impact of stray parameters is analyzed to identify coupled parameters, which are typically neglected in existing methods. Third, it is observed that random errors follow a logarithm Gaussian distribution, covering a hidden variable. A neural network is used to obtain the junction temperature predictive model. The proposed calibration method is experimental validated in threshold voltage as an example. Compared with conventional calibration methods, the mean absolute error is reduced by over 30%. Moreover, this method does not require additional hardware cost and has good generalization.
• Abstract（参考訳）: 熱感度電気パラメータ (TSEP) 法は, 接合温度モニタリングによる電力機器の信頼性向上に不可欠である。 TSEP法はキャリブレーション、回帰、応用の3つの主要なプロセスからなる。 回帰アルゴリズムの改善や、ジャンクション温度モニタリングの精度を高めるためのTSEP感度の向上に多大な努力が注がれているが、これらのアプローチはボトルネックに達している。 実際、キャリブレーション法は監視精度に大きな影響を与え、従来のTSEP法では見落とされがちである。 この問題に対処するため,一過性TSEPの高精度校正法を提案する。 まず、熱解析に基づく温度補正戦略を導入し、二重パルス試験における負荷電流による温度差を緩和する。 第二に、成層パラメータの影響を分析して、既存の手法では無視される結合パラメータを同定する。 第三に、ランダムな誤差はガウス分布に従って隠れ変数をカバーすることが観察された。 ニューラルネットワークを用いてジャンクション温度予測モデルを得る。 キャリブレーション法を例に, しきい値電圧で実験的に検証した。 従来の校正法と比較して、平均絶対誤差は30%以上減少する。 さらに,この手法ではハードウェアコストの増大は必要とせず,優れた一般化が可能である。

関連論文リスト

• Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
  本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。 ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
  論文  参考訳（メタデータ） (2024-09-29T22:54:31Z)
• On Calibration of Object Detectors: Pitfalls, Evaluation and Baselines [15.306933156466522]
  オブジェクト検出器の信頼性の高い使用には、それらを校正する必要がある。 最近のアプローチでは、スクラッチからそれらを訓練して校正された検出器を得るために、新しい損失関数を設計する。 対象検出器の校正と精度を共同で測定する原理的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-30T20:12:14Z)
• Calibrated Uncertainty Quantification for Operator Learning via Conformal Prediction [95.75771195913046]
  本稿では, リスク制御型量子ニューラル演算子, 分布のない有限サンプル機能キャリブレーション等式予測法を提案する。 関数領域上の点の期待値として定義されるカバレッジ率に関する理論的キャリブレーションを保証する。 2次元ダーシー流と3次元自動車表面圧力予測タスクに関する実験結果から,我々の理論的結果が検証された。
  論文  参考訳（メタデータ） (2024-02-02T23:43:28Z)
• Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression [0.0]
  本研究の目的は、空気温度の変化による低コストのホットワイヤ式アニメーターの精度の低下を克服することである。 空気温度を考慮した熱線式風速計の校正を行うことにより、風速を典型的な環境温度の範囲で推定することができる。
  論文  参考訳（メタデータ） (2024-01-16T22:01:24Z)
• Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
  本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。 我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。 その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-11-06T22:13:10Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Adaptive Temperature Scaling for Robust Calibration of Deep Neural Networks [0.7219077740523682]
  本研究では、信頼性スケーリングの課題、特に温度スケーリングを一般化するポストホック手法に焦点を当てる。 ニューラルネットワークのような複雑なデータモデルがたくさん存在すると、パフォーマンスは向上するが、データ量に制限がある場合には失敗する傾向にある。 本研究では,エントロピーに基づく温度スケーリングを提案し,そのエントロピーに応じて予測の信頼性を尺度化する。
  論文  参考訳（メタデータ） (2022-07-31T16:20:06Z)
• Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
  ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。 入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。 CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
  論文  参考訳（メタデータ） (2022-07-13T14:13:49Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。