SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2006 / Cilt: 21 - Sayı: 1

DAR VE GENİŞ KUYULU YARI-İLETKEN GaAs LAZERLERİN ÇİZGİ GENİŞLEME FAKTÖRLERİNİN MODELLENMESİ

Fatih V. ÇELEBİ
Pages
0
Publication Date
2013-03-28
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Eğitim ve test sonuçları literatürde verilen deneysel sonuçlarla çok iyi derecede uyumludur

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Dar ve geniş GaAs kuantum-kuyu (KK) yarı-iletken lazerlerin çizgi genişleme faktörleri (ÇGF) farklı bir metotla ve tek bir modelde birleştirilerek, modal tepe kazancı ve akım yoğunluğuna bağlı olarak verilmiştir.
📊
Key Findings & Data:Yapay sinir ağları (YSA) modelleme yaklaşımına bağlı olarak, farklı öğrenme algoritmaları kullanılıp eğitilmiş ve test edilmiştir.
💡
Conclusion & Impact:Eğitim ve test sonuçları literatürde verilen deneysel sonuçlarla çok iyi derecede uyumludur
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Lazer diyot · çizgi genişleme faktörü · yapay sinir ağları

Özet

Dar ve geniş GaAs kuantum-kuyu (KK) yarı-iletken lazerlerin çizgi genişleme faktörleri (ÇGF) farklı bir metotla ve tek bir modelde birleştirilerek, modal tepe kazancı ve akım yoğunluğuna bağlı olarak verilmiştir. Yapay sinir ağları (YSA) modelleme yaklaşımına bağlı olarak, farklı öğrenme algoritmaları kullanılıp eğitilmiş ve test edilmiştir. Analizde kullanılan algoritmalardan en iyi sonuçlar yakınsama hızı ikinci dereceden olan Levenberg–Marquardt (LM) algoritması ile elde edilmiştir. Eğitim ve test sonuçları literatürde verilen deneysel sonuçlarla çok iyi derecede uyumludur

🔖

Cite This Article

ÇELEBİ, F. V. (2013). DAR VE GENİŞ KUYULU YARI-İLETKEN GaAs LAZERLERİN ÇİZGİ GENİŞLEME FAKTÖRLERİNİN MODELLENMESİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 21 - Sayı: 1, 0. https://ajindex.com/articles/21157

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Henry, C. H., “Theory of the linewidth of semiconductor lasers”, IEEE J. Quantum Electron., Cilt 18, 259-264, 1982.
  2. Sağıroğlu, S., Çelebi, F.V., Danışman, K., “Modelling of the linewidth enhancement factor with the use of radial basis function network”, Int. J. Electron. Commun. (AEU), Cilt 56, No.1, 51-54, 2002
  3. Newell, T.C., Bossert, D.J., Stintz, A., Fuchs, B., Malloy, K.J. ve Lester, L.F., “Gain and linewidth enhancement factor in InAs quantum-dot laser diodes”, IEEE Photon. Technol. Lett., Cilt 11, 1527-1529, 1999.
  4. Maren, A., Handbook of neural computing applications, Academic press, London, 1990.
  5. Stohs, J., Bossert, D.J., Gallant, D., Brueck, J., “Gain, Refractive Index Change, and Linewidth Enhancement Factor in Broad -Area GaAs and InGaAs Quantum-Well lasers”, IEEE J.of Quantum Electronics, Cilt 37, No.11, 1449-1459, 2001.
  6. Rumelhart, D.E., McClelland J.L., Paralel Distributed Processing, MIT Press, Cambridge, 1986
  7. Ham, F.M., Kostanic, I., Principles of Neurocomputing for Science and Engineering, Mc- Graw Hill, 2002.
  8. Dennis, J. E., Schnabel, R. B., Numerical Methods for Unconstrained Optimization and Nonlinear Equations. Englewood Cliffs, Prentice-Hall, 1983.
  9. Hagan M.T., Demuth H.B., Beale M.H., Neural Network Design, Boston MA, PWS Publishing, 1996.
  10. Riedmiller, M., ve Braun H., “A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm”, Proceedings Of The IEEE International Conference On Neural Networks, San Francisco, CA, Cilt.1, 586-591, Mart 1993. http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/backpr14.html
  11. Hakki, B.W., Paoli, T.L., “Gain spectra in GaAs double-heterostructure injection lasers”, J. of Appl. Phys., Cilt 46, No. 3, 1299-1306, 1975.
  12. Kane, E. 0., “Band structure of indium antimonide”, J. Phys. Chem. Solids, Cilt 1, 249-261, 1957.