KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2013 / Cilt: 21 Sayı: 1

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

Fatih V. Çelebi
Sayfa
161–166
Yayın Tarihi
2013-04-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

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

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez: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.
📊
Temel Bulgular & Veri:Yapay sinir ağları (YSA) modelleme yaklaşımına bağlı olarak, farklı öğrenme algoritmaları kullanılıp eğitilmiş ve test edilmiştir.
💡
Sonuç & Katkı:Eğitim ve test sonuçları literatürde verilen deneysel sonuçlarla çok iyi derecede uyumludur
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler: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

🔖

Bu Makaleye Atıf Yap

Çelebi, 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, 161–166. https://ajindex.com/articles/1078966

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  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.
  11. http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/backpr14.html
  12. 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.
  13. Kane, E. 0., “Band structure of indium antimonide”, J. Phys. Chem. Solids, Cilt 1, 249-261, 1957.