Тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab

Описание задачи

Полупроводниковые лазерные диоды способны генерировать большую мощность оптических импульсов в пикосекундах, требуемых в различных приложениях, таких как высокое разрешение лазерных измерителей время пролета дистанции, лазерной томографии и т.д. Ниже рассматривается лазерный диод GaAs/AlGaAs с модуляцией усиления, с двойной гетероструктурой и одной возможной преградой (помехой), объединенной с активной областью. Показано, что оптическая энергия в этой преграде может быть значительно увеличена. Также было принято предположение, что присутствие нескольких потенциальных барьеров могло бы увеличить дополнительную излучаемую оптическую энергию. Вычислительная имитация для структуры с тремя барьерами показывает, что оптические ответы структуры строго зависят от параметров всех барьеров, и эта зависимость является гораздо меньше, чем для структуры с одним или двумя барьерами.

Для создания лазерного диода, сначала необходимо удостовериться, что выбранная структура является оптимальной. Очевидно, что создание и тестирование различных структур является дорогостоящим процессом, который также отнимает много времени. С одной стороны, традиционные методы симуляции лазерной динамики (например, вычислительная физика) являются такими же дорогостоящими и время поглощающими, в результате чего также невозможно протестировать достаточное количество исходных данных. Для того, чтобы синтезировать структуру лазерного диода, который обеспечил бы максимальную мощность оптической энергии, необходимы новые нестандартные вычислительные подходы.

Тестовые данные

Тестовые данные для структуры лазерного диода с тремя барьерами приведены в таблице 5. Эти данные были получены с использованием методов вычислительной физики. Следует отметить, что для такой структуры лазерного диода до сих пор не существует экспериментальных результатов. Однако вычислительные результаты для более простой структуры, которая имеет только один внутренний барьер, хорошо согласуются с экспериментальными структурами.

Как утверждалось выше, оптическая энергия зависит от свойств внутренних барьеров лазерного диода. Входными данными являются значения этих барьеров и процентное отношение алюминия в тернарном решении AlGaAs, которые определяют возмещение энергии этих барьеров. Поэтому, индикаторы определены следующим образом:

- x1 и x5 являются процентным отношением алюминия в генераторах электронов и отверстий соответственно;

- x2, x3 и x4 являются процентным отношением алюминия в 1-ом, 2-ом и 3-ем внутренних барьерах соответственно.

Число класса (индекса) соответствует выходной оптической мощности в отклике к наносекундному текущему импульсу с амплитудой в 3.2 А, а именно:

- класс 1: 0-2 Вт;

- класс 2: 2-3 Вт;

- класс 3: 3-4 Вт;

- класс 4: 4-5 Вт;

- класс 5: 5-6 Вт;

- класс 6: 6-7 Вт;

- класс 7; более, чем 7 Вт.

В таблице 5 представлены первые 15 структур, которые были использованы как обучающие образы (выделены жирным).

Таблица 2Оптическая мощность различных структур лазерного диода

тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru Класс тестирование полупроводниковых лазерных диодов на основе инструментария универсальных систем matlab - student2.ru (оптическая мощность)
?
?
?
?

Лабораторная работа № 6

Цель работы:создание программного модуля для реализации вычислительной процедуры проведения тестирования полупроводниковых лазерных диодов на основе инструментария универсальных систем MATLAB.

Порядок выполнения работы

1. Открыть универсальную систему MATLAB.

2. Из таблицы 5 сформировать обучающую матрицу размерности 7×5 для решения задачи тестирования.

3. Реализовать вычислительную процедуру обучения с экспертом (использовать программный модуль лабораторной работы №3).

4. Реализовать вычислительные процедуры самообучения и формирования индекса риска с оптимальными коэффициентами (использовать программный модуль лабораторной работы №4).

5. Вычислить оптимальный вектор индекса, построить график изменения индекса.

6. Сохранить все результаты выполнения работы в файле на диске.

6.3.2. Порядок оформления отчета

Отчетом о лабораторной работе № 6 является файл с именем, совпадающим с фамилией студента с результатами работы в папке Мои документы/номер группы.

6.3.3. Контрольные вопросы

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

7.ПРОВЕДЕНИЕ ЭКСПЕРТИЗЫ НАУЧНО-ТЕХНИЧЕСКИХ ПРОЕКТОВ

Описание задачи

Проведение экспертизы научно-технических проектов, получение экспертных оценок и прогнозов является весьма важной задачей при проведении различного рода тендеров. Процедуры оценки и прогнозирования функционируют в условиях, как неполноты, так и субъективности информации, связанной с присутствием в системе человеческого фактора. Разнообразие, большой объем и противоречивость данных, используемых при экспертизе, предопределяют применение новых информационных технологий искусственного интеллекта при разработке процедур обучения, узнавания и принятия решений в условиях неопределенности.

Интеллектуальные системы оказывают все большее влияние на сферы человеческой деятельности, в которых возможность решать сложные трудно формализуемые задачи, связана с наличием разнообразных знаний о рассматриваемой предметной области. Здесь просматриваются три положительных момента:

1 – знания получают технологическую основу, благодаря интеллектуальной системе, которая сначала получает знания от эксперта, а затем применяет их и формирует новые знания;

2 – активизируется деятельность по сбору, организации, хранению, передаче и использованию человеческих знаний, что ведет к расширению и уточнению знаний самих по себе;

3 – просматривается принципиальная возможность выявления знаний из накопленного опыта, что открывает совершенно новые перспективы по организации и переработке знаний.

Остановимся на функциях эксперта, которым может являться высококвалифицированный специалист, обладающий огромным багажом знаний, в том числе и индивидуальных личных знаний. Такие знания в значительной степени состоят из эмпирических правил, называемых эвристиками. Именно эвристики позволяют эксперту при необходимости выдвигать разумные предложения, находить перспективные подходы к решаемым задачам и эффективно работать при неточных и неполных данных. Поэтому при создании интеллектуальной системы одной из главных проблем является извлечение знаний у эксперта и придание им формы, позволяющей использовать знания в компьютерной обработке.

Чтобы понять, как работает эксперт, полезно рассмотреть различие между знанием и умением. Умелое выполнение некоторой задачи часто обладает многими чертами, которые не свойственны работе хорошо информированного, но неумелого человека. В их число входят большая скорость или другой показатель эффективности, меньшее число ошибок, меньшая умственная напряженность (требования к вниманию), большая приспособляемость и робастность (устойчивость к сбоям). В этих чертах проявляются как сами знания, так и техника их использования.

Рассмотрим в качестве предметной области экспертизу проектов, которыми могут быть научные, технические, экономические, экологические и другие проекты. Каждый проект характеризуется определенным набором признаков или характеристик. В качестве примера можно указать следующий набор признаков:

1) срок реализации проекта;

2) стоимость проекта;

3) потребность проекта в трудовых ресурсах;

4) источники финансирования проекта:

- собственные источники финансирования,

- потребность в заемных средствах,

- обслуживание кредитов: сумма кредита, процентная ставка, срок кредита, порядок выплат;

5) производственный план:

- стоимость основных вложений в производство,

- мощности производства, используемые в проекте,

- стоимость производства,

- оценка себестоимости производства единицы продукции,

- прибыльность выпускаемой продукции,

- поставщики сырья и нового оборудования;

6) финансовая рентабельность проекта:

- потоки денежных средств,

- уровень рентабельности продукции,

- срок окупаемости,

- рентабельность собственного капитала,

- рентабельность активов,

- рентабельность инвестиций,

- коэффициент платежеспособности;

7) выгоды от реализации проекта:

- создание новых рабочих мест,

- освоение передовых технологий.

Интеллектуальная система, позволяющая провести комплексную экспертизу проекта и сформировать оценку качества этого проекта, должна на первых порах использовать опыт и знания эксперта, рассматривая эталонные проекты. А затем, обладая способностью к самообучению, узнаванию и принятию решений в условиях неопределенности и неполноты информации, должна формировать комплексную оценку рассматриваемого проекта, по качеству не уступающую оценке эксперта. Такие возможности предоставляют так называемые искусственные иммунные системы, основанные на принципах обработки информации биологической иммунной системой.

Рассмотрим, как можно использовать алгоритмы иммунокомпьютинга для комплексной экспертизы проектов. Как уже сказано ранее, пусть имеется некоторый проект (научный, технический, экономический), который характеризуется определенным набором признаков Xk, k = 1,2,3,…,N. Такой произвольный вектор значений признаков можно трактовать как образ, принадлежащий пространству признаков {X}. Множество образов представляется в виде множества векторов, состоящего из k подмножеств или классов:

z1={X}1 ,..., zk={X}k .

Исследуя и анализируя указанным образом ряд проектов с привлечением эксперта-человека, можно на основании его знаний и личного опыта выстроить классификацию и оценивать качество представленных проектов как низкое (оценка=3), среднее (оценка=2) и высокое (оценка=1). Набор признаков проекта, перечисленный выше, эксперт может оценивать либо по 10-бальной системе, либо в пределах от 0 до 1, как в нашем примере. На основе полученной информации и с учетом мнения эксперта формируется обучающая выборка.

Лабораторная работа № 7

Цель работы:создание программного модуля для реализации вычислительной процедуры проведения экспертизы научно-технических проектов на основе инструментария универсальных систем MATLAB.

Порядок выполнения работы

1. Открыть универсальную систему MATLAB.

2. Получить у преподавателя таблицу с обучающей выборкой для решения задачи проведения экспертизы научно-технических проектов.

3. Реализовать вычислительную процедуру обучения с экспертом (использовать программный модуль лабораторной работы №3).

4. Реализовать вычислительную процедуру самообучения (использовать программный модуль лабораторной работы №4).

5. Представить результаты решения задачи проведения экспертизы научно-технических проектов.

6. Оформить тематическую заглавную страницу лабораторной работы № 7.

7. Сохранить все результаты выполнения работы в файле на диске.

7.2.2. Порядок оформления отчета

Отчетом о лабораторной работе № 7 является файл с именем, совпадающим с фамилией студента с результатами работы в папке Мои документы/номер группы.

7.2.3. Контрольные вопросы

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

8.КОМПЛЕКСНАЯ ЭКСПЕРТИЗА ВНУТРИВУЗОВСКИХ СИСТЕМ УПРАВЛЕНИЯ КАЧЕСТВОМ ОБРАЗОВАНИЯ

Описание задачи

Качество подготовки специалистов в современных условиях является одной из важнейших задач, определяющих как востребованность выпускников социальной практикой, так и конкурентоспособность учебного заведения на рынке образовательных услуг.

В последнее время “традиционные” подходы по осуществлению контроля качества образования стали трансформироваться в создание систем качества (управления качеством, обеспечения качества), суть которых сводится к установлению степени соответствия заданным целям при помощи самооценки деятельности образовательного учреждения, дополненное суждением внешних экспертов. Процедуры самооценки качества подготовки выпускников функционируют в условиях, как неполноты, так и субъективности информации, связанной с присутствием в системе человеческого фактора.

В свою очередь разнообразие, большой объем и противоречивость данных, используемых при этом, предопределяют применение новых информационных технологий искусственного интеллекта, важное место, среди которых занимают методы распознавания и классификации образов.

Интеллектуальные системы, к числу которых относятся искусственные иммунные системы, оказывают все большее влияние на такие сферы человеческой деятельности как образовательная деятельность, в которых возможность решать сложные трудно формализуемые задачи, связана с наличием разнообразных аспектов, затрудняющих формализацию задачи, в рассматриваемой предметной области.

Здесь можно отметить три положительных момента:

- благодаря интеллектуальной системе информация, полученная от эксперта, приобретает технологическую основу, которая позволяет применять и формировать новые знания;

- деятельность по сбору информации, ее организации, хранению, передаче и использованию активизируется, что ведет к расширению и уточнению самих знаний;

- просматривается принципиальная возможность использования накопленного банка данных и знаний, что открывает совершенно новые перспективы по организации и переработке полученной информации о качестве образования.

Остановимся на функциях эксперта, оценивающего качество образовательной деятельности вуза и которым может являться высококвалифицированный специалист, обладающий огромным багажом знаний, в том числе и индивидуальных личных. Такие знания в значительной степени состоят из эмпирических правил, называемых эвристиками. Именно эвристики позволяют эксперту при необходимости выдвигать разумные предложения, находить перспективные подходы к решаемым задачам и эффективно работать при неточных и неполных данных. Поэтому при создании интеллектуальной системы одной из главных проблем является извлечение знаний у эксперта и придание им формы, позволяющей использовать его знания при реализации вычислительных процедур обучения с экспертом и самообучения иммунокомпьютинга.

Рассмотрим в качестве предметной области экспертизу внутри вузовских систем качества. Каждая система представляется определенным набором критериев, характеризующих:

ВОЗМОЖНОСТИ:

- роль руководства в организации работ по обеспечению качества подготовки специалистов;

- использование потенциала преподавателей, сотрудников, обучаемых;

- планирование в области качества подготовки специалистов;

- рациональное использование ресурсов.

РЕЗУЛЬТАТЫ:

- удовлетворенность преподавателей и сотрудников работой в вузе;

- удовлетворенность потребителей качеством подготовки специалистов вуза;

- влияние вуза на общество;

- результаты итоговой аттестации выпускников вуза.

Интеллектуальная система, позволяющая провести комплексную экспертизу системы качества и сформировать оценку этой системы, может работать в двух режимах: обучения с экспертом и обучения без эксперта (самообучения). В режиме обучения с экспертом она использует опыт и знания эксперта. В режиме самообучения на основе исходной информации о значениях критериев (индикаторов), характеризующих качество подготовки специалистов, обладая способностью к узнаванию и принятию решений в условиях неопределенности и неполноты информации, формирует комплексную оценку рассматриваемой системы, по качеству не уступающую оценке эксперта.

Лабораторная работа № 8

Цель работы:создание программного модуля для реализации вычислительной процедуры проведения комплексной экспертизы внутри вузовских систем управления качеством образования на основе инструментария универсальных систем MATLAB.

Порядок выполнения работы

1. Открыть универсальную систему MATLAB.

2. Получить у преподавателя таблицу с обучающей выборкой для решения задачи проведения экспертизы внутри вузовских систем управления качеством образования.

3. Реализовать вычислительную процедуру обучения с экспертом (использовать программный модуль лабораторной работы №3).

4. Реализовать вычислительную процедуру самообучения (использовать программный модуль лабораторной работы №4).

5. Представить результаты решения задачи проведения экспертизы внутри вузовских систем управления качеством образования.

6. Оформить тематическую заглавную страницу лабораторной работы № 8.

7. Сохранить все результаты выполнения работы в файле на диске.

8.2.2. Порядок оформления отчета

Отчетом о лабораторной работе № 8 является файл с именем, совпадающим с фамилией студента с результатами работы в папке Мои документы/номер группы.

8.2.3. Контрольные вопросы

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

Наши рекомендации