Fugu-MT 論文翻訳(概要): Direct Simplified Symbolic Analysis (DSSA) Tool

論文の概要: Direct Simplified Symbolic Analysis (DSSA) Tool

arxiv url: http://arxiv.org/abs/2510.15901v1
Date: Thu, 11 Sep 2025 11:10:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-07 19:06:32.090359
Title: Direct Simplified Symbolic Analysis (DSSA) Tool
Title（参考訳）: Direct Simplified Symbolic Analysis (DSSA) ツール
Authors: Mohammad Shokouhifar, Hossein Yazdanjouei, Gerhard-Wilhelm Weber,
Abstract要約: 本稿では,アナログ回路の簡易化手法であるDSSAを提案する。モンテカルロシミュレーションと遺伝的アルゴリズムを組み合わせることで、単純化された記号表現と正確な数値表現の誤差を最小限に抑える。 5つの回路での試験では、平均0.64dB、最大1.36dBのdcゲイン、平均極/ゼロ誤差が6.8%であった。
参考スコア（独自算出の注目度）: 3.275342475988451
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces Direct Simplified Symbolic Analysis (DSSA), a new method for simplifying analog circuits. Unlike traditional matrix- or graph-based techniques that are often slow and memory-intensive, DSSA treats the task as a modeling problem and directly extracts the most significant transfer function terms. By combining Monte Carlo simulation with a genetic algorithm, it minimizes error between simplified symbolic and exact numeric expressions. Tests on five circuits in MATLAB show strong performance, with only 0.64 dB average and 1.36 dB maximum variation in dc-gain, along with a 6.8% average pole/zero error. These results highlight DSSA as an efficient and accurate tool for symbolic circuit analysis.
Abstract（参考訳）: 本稿では,アナログ回路の簡易化手法であるDSSAを提案する。従来の行列やグラフベースの手法とは異なり、DSSAはタスクをモデリング問題として扱い、最も重要な転送関数項を直接抽出する。モンテカルロシミュレーションと遺伝的アルゴリズムを組み合わせることで、単純化された記号表現と正確な数値表現の誤差を最小限に抑える。 MATLABの5つの回路での試験は、平均0.64dB、最大1.36dBのdcゲインでの性能と6.8%の平均極/ゼロ誤差を示す。これらの結果から,DSSAはシンボリック回路解析のための効率的かつ正確なツールであることがわかった。

関連論文リスト

Mamba Can Learn Low-Dimensional Targets In-Context via Test-Time Feature Learning [53.983686308399676]
Mambaは、強い経験的性能を持つ線形時間列モデルである。単一インデックスモデル $y approx g_* (langle boldsymbolbeta, boldsymbolx rangle)$ の文脈内学習について検討する。勾配に基づく手法で事前学習したMambaは,テスト時間特徴学習によって効率的なICLを実現することができることを示す。
論文参考訳（メタデータ） (2025-10-14T00:21:20Z)
Variables Ordering Optimization in Boolean Characteristic Set Method Using Simulated Annealing and Machine Learning-based Time Prediction [1.654967376694554]
本稿では,機械学習に基づく時間予測とシミュレーションアニーリング(SA)を統合した新しいフレームワークを提案する。我々は、任意の変数の順序付けに要する問題解決時間を推定するために、正確なML予測器 ft(X) を訓練する。実験により,本手法は標準BCSアルゴリズムよりもかなり優れていることが示された。
論文参考訳（メタデータ） (2025-09-18T09:02:32Z)
A Simplified Analysis of SGD for Linear Regression with Weight Averaging [64.2393952273612]
最近の研究は、定常学習率を用いた線形回帰におけるSGD最適化のためのシャープレートを提供する。簡単な線形代数ツールを用いて,2021ベニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグナグニグニグニグニグニグニグニグニグニグニグネグニグニグニグニグネグニグニグネグニ我々の研究は線形回帰の勾配勾配を非常に容易に解析し、ミニバッチと学習率のスケジューリングのさらなる分析に役立てることができると信じている。
論文参考訳（メタデータ） (2025-06-18T15:10:38Z)
Discovering physical laws with parallel symbolic enumeration [67.36739393470869]
並列記号列挙法(PSE)を導入し,限られたデータから汎用数学的表現を効率的に抽出する。実験の結果,PSEは最先端のベースラインアルゴリズムと比較して精度が高く,計算速度も速いことがわかった。 PSEは、記号的、解釈可能なモデルの正確で効率的なデータ駆動による発見の進歩を表している。
論文参考訳（メタデータ） (2024-07-05T10:41:15Z)
ParFam -- (Neural Guided) Symbolic Regression Based on Continuous Global Optimization [14.146976111782466]
我々は、離散的記号回帰問題を連続的な問題に変換するために、新しいアプローチであるParFamを提案する。グローバルな手法と組み合わせることで、SRの問題に対処する非常に効果的な手法がもたらされる。また、ParFamをガイドするために、事前訓練されたトランスフォーマーネットワークDL-ParFamを組み込んだ拡張も提案する。
論文参考訳（メタデータ） (2023-10-09T09:01:25Z)
Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。 MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
論文参考訳（メタデータ） (2023-08-26T06:12:33Z)
FuNToM: Functional Modeling of RF Circuits Using a Neural Network Assisted Two-Port Analysis Method [0.40598496563941905]
本稿では,RF回路の機能モデリング手法であるFuNToMを提案する。 FuNToMは、単一のメインデータセットと複数の小さなデータセットを使用して、複数のトポロジをモデル化するための2ポート解析手法を利用している。その結果、複数のRF回路において、最先端技術と比較すると、必要なトレーニングデータを2.8倍から10.9倍削減できることがわかった。
論文参考訳（メタデータ） (2023-08-03T21:08:16Z)
An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
論文参考訳（メタデータ） (2022-08-11T22:27:22Z)
FKreg: A MATLAB toolbox for fast Multivariate Kernel Regression [5.090316990822874]
非一様FFT(NUFFT)を用いた高速多変量カーネル回帰のための新しいツールボックスを提案する。 NUFFTは$Oleft(N+Mlog M right)$複雑さと精度制御性を備えた$M$グリッドポイントのアルゴリズムを実装している。帯域幅選択問題は、Fast Monte-Carloを用いて自由度を推定する。
論文参考訳（メタデータ） (2022-04-16T04:52:44Z)

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。