您的位置： 专家智库 > >

吴伟

作品数：2 被引量：0H指数：0
供职机构：华东理工大学化学与分子工程学院化学系更多>>
发文基金：国家自然科学基金更多>>
相关领域：电子电信更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇电子电信

主题

  • 2篇导体
  • 2篇神经网
  • 2篇神经网络
  • 2篇网络
  • 2篇工神经网络
  • 2篇半导体
  • 2篇半导体薄膜
  • 2篇MOCVD
  • 1篇人工神经
  • 1篇人工神经网络
  • 1篇镓铝砷
  • 1篇模式识别
  • 1篇XAS
  • 1篇Y
  • 1篇GAINAS...
  • 1篇人工神经网

机构

  • 2篇华东理工大学
  • 2篇中国科学院上...

作者

  • 2篇彭瑞伍
  • 2篇吴伟
  • 2篇严六明
  • 1篇吴伟
  • 1篇陈念贻
  • 1篇胡英

传媒

  • 1篇功能材料
  • 1篇稀有金属

年份

  • 2篇1997
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
MOCVD外延生长Ga_(1-x)Al_xAs_(1-y)Sb_y半导体薄膜气固平衡和人工神经网络预报
1997年
本文研究了ＭＯＣＶＤ外延生长Ｇａ１－ｘＡｌｘＡｓ１－ｙＳｂｙ半导体薄膜的生长条件与外延层组成的关系，并用人工神经网络法总结有关气固平衡规律。结果表明，用气相组成，载气流量和生长温度等影响外延层组成的主要参数作为人工神经网络的输入，以固相Ｇａ１－ｘＡｌｘＡｓ１－ｙＳｂｙ中的Ａｌ和Ｓｂ的含量ｘ、ｙ作为输出，训练的人工神经网络可以预报固相组成ｘ、ｙ，得到满意结果。
严六明胡英吴伟吴伟彭瑞伍
关键词：半导体
MOCVD外延生长GaInAsSb合金半导体薄膜的模式识别和人工神经网络研究
1997年
用模式识别和人工神经网络法总结ＭＯＣＶＤ外延生长ＧａＩｎＡｓＳｂ薄膜的生长条件与外延层组成的关系。结果表明，气相中ＴＭＩｎ和ＴＭＳｂ的含量、Ⅴ／Ⅲ比和生长温度是影响外延层组成的主要因素。用这些参数作特征变量，以外延层铟含量是否大于０６、锑含量是否大于０４作为分类标准，可得到良好的模式识别分类效果和人工神经网络交叉检验结果。
严六明吴伟彭瑞伍
关键词：模式识别人工神经网络MOCVDGAINASSB
全选 清除 导出
共1页<1>
聚类工具0