메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김도희 이수훈 송익현 (한양대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제62권 제3호(통권 제568호)
발행연도
2025.3
수록면
126 - 132 (7page)
DOI
10.5573/ieie.2025.62.3.126

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
이 논문에서는 딥러닝과 강화학습을 결합한 Deep Q-Network (DQN) 알고리즘 기반의 Success Memory와 Regeneration-set Training Deep Q-Network (SMART-DQN)을 제안한다. 이 알고리즘은 회로의 목표 사양을 효율적으로 최적화하도록 설계되었으며, 2 단 연산 증폭기(two-stage operational amplifier)에 적용되었다. SMART-DQN은 success memory와 regeneration-set training을 활용하여 기존 최적화 연구들이 어려움을 겪는 복잡한 설계 공간에서도 수렴성과 정밀도 및 최적화 속도를 크게 향상시키고 우수한 성능을 도출하였다. 이 알고리즘을 적용함으로써 아날로그 회로 설계 속도를 크게 가속할 수 있으며, 높은 성능을 유지하면서도 더 효율적인 최적화가 가능하다. 또한, 가상 데이터 세트를 생성하여 병렬 시뮬레이션을 가능하게 함으로써 최적화 과정을 더욱 가속한다. 이는 SMART-DQN이 아날로그 회로 설계의 최적화 과정을 향상시키는 데 효과적임을 강조한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 구현 및 결과
Ⅳ. 결론
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092452375