熱阻網(wǎng)絡(luò)模型-DELPHI模型
DELPHI項目：從1993年到1996年，由歐盟資助，F(xiàn)lomerics公司負責(zé)協(xié)調(diào)，Alcatel Bell 、Alcatel Espace 、Philips CFT 、Thomson CSF 、Flomerics 、NMRC 等公司合作，旨在開發(fā)芯片的簡化熱模型的精確表示方法。
PROFIT項目：同樣由歐盟資助，由Philips公司負責(zé)協(xié)調(diào)，F(xiàn)lomerics、Nokia、Infineon、Philips、ST、Micred、TIMA、等公司合作，旨在開發(fā)芯片熱模型的快速建立方法。項目產(chǎn)生了一系列成果，如芯片的熱阻網(wǎng)絡(luò)模型DELPHI標準、JEDEC組織認證的唯一熱模型庫FLOPACK、芯片熱應(yīng)力分析工具Flo/stress等。
審核編輯：湯梓紅
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
熱阻
+關(guān)注
關(guān)注
1文章
113瀏覽量
16810 -
delphi
+關(guān)注
關(guān)注
2文章
159瀏覽量
38468 -
熱模型
+關(guān)注
關(guān)注
0文章
6瀏覽量
7059
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
基于RC熱阻SPICE模型的GaNPX?和PDFN封裝的熱特性建模
GaN Systems提供RC熱阻模型，使客戶能夠使用SPICE進行詳細的熱模擬。 模型基于有限元分析（FEA）
PSMN3R3-80YSF SPICE熱模型
電子發(fā)燒友網(wǎng)站提供《PSMN3R3-80YSF SPICE熱模型.pdf》資料免費下載
發(fā)表于 02-09 15:32
?0次下載
【「大模型啟示錄」閱讀體驗】如何在客服領(lǐng)域應(yīng)用大模型
地選擇適合的模型。不同的模型具有不同的特點和優(yōu)勢。在客服領(lǐng)域，常用的模型包括循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長短時記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元
發(fā)表于 12-17 16:53
功率器件熱設(shè)計基礎(chǔ)（七）——熱等效模型
設(shè)計基礎(chǔ)系列文章會比較系統(tǒng)地講解熱設(shè)計基礎(chǔ)知識，相關(guān)標準和工程測量方法。有了熱阻熱容的概念，自然就會想到在導(dǎo)熱材料串并聯(lián)時，就可以用阻容網(wǎng)絡(luò)來描述。一個帶銅基板的
互阻和互導(dǎo)放大電路模型分析
互阻放大電路和互導(dǎo)放大電路是模擬電子學(xué)中非常重要的概念，它們分別描述了電子器件在阻抗和導(dǎo)納方面的放大作用。 互阻放大電路模型分析 1. 互阻放大電路的基本概念 互
互阻放大模型的作用是什么
互阻放大模型（Hybrid-π Model）是用于描述晶體管在高頻工作條件下的行為的一種模型。這種模型特別適用于分析和設(shè)計射頻（RF）和微波電路，其中晶體管的高頻特性對于電路性能至關(guān)重
NVIDIA Modulus助力風(fēng)阻預(yù)測模型實現(xiàn)
NVIDIA 與百度飛槳雙方技術(shù)團隊通過在數(shù)據(jù)、算法、模型等多個方面的合作，共同打造了一款適用于車輛空氣動力學(xué)數(shù)值模擬的 3D 高精度汽車風(fēng)阻預(yù)測模型——DNNFluid-Car。經(jīng)過訓(xùn)練
【《大語言模型應(yīng)用指南》閱讀體驗】+ 基礎(chǔ)篇
學(xué)習(xí)方法。其中文本向量化中的三種編碼方式：獨熱編碼、靜態(tài)編碼和動態(tài)編碼，這些概念描述是需要時間仔細研究理解的。
1.5章節(jié)終于開始講解大語言模型了，這也是基礎(chǔ)篇的最后一章節(jié)，占據(jù)了基礎(chǔ)篇的一半篇幅
發(fā)表于 07-25 14:33
如何使用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型
使用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型是一個涉及多個步驟的過程，包括數(shù)據(jù)準備、模型加載、預(yù)測執(zhí)行以及后續(xù)優(yōu)化等。
經(jīng)典卷積網(wǎng)絡(luò)模型介紹
經(jīng)典卷積網(wǎng)絡(luò)模型在深度學(xué)習(xí)領(lǐng)域，尤其是在計算機視覺任務(wù)中，扮演著舉足輕重的角色。這些模型通過不斷演進和創(chuàng)新，推動了圖像處理、目標檢測、圖像生成、語義分割等多個領(lǐng)域的發(fā)展。以下將詳細探討幾個經(jīng)典的卷積
PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過程
PyTorch，作為一個廣泛使用的開源深度學(xué)習(xí)庫，提供了豐富的工具和模塊，幫助開發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)模型中，輸出層是尤為關(guān)鍵的部分，它負責(zé)將
神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法
神經(jīng)網(wǎng)絡(luò)模型作為一種強大的預(yù)測工具，廣泛應(yīng)用于各種領(lǐng)域，如金融、醫(yī)療、交通等。本文將詳細介紹神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法，包括模型設(shè)計、數(shù)據(jù)集
循環(huán)神經(jīng)網(wǎng)絡(luò)有哪些基本模型
循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，簡稱RNN）是一種具有循環(huán)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，并且能夠捕捉序列數(shù)據(jù)中的時序信息。RNN的基本模型有很多，下面將介紹
如何使用PyTorch建立網(wǎng)絡(luò)模型
PyTorch是一個基于Python的開源機器學(xué)習(xí)庫，因其易用性、靈活性和強大的動態(tài)圖特性，在深度學(xué)習(xí)領(lǐng)域得到了廣泛應(yīng)用。本文將從PyTorch的基本概念、網(wǎng)絡(luò)模型構(gòu)建、優(yōu)化方法、實際應(yīng)用等多個方面，深入探討使用PyTorch建立網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)模型建完了怎么用
神經(jīng)網(wǎng)絡(luò)模型建完后，如何使用它進行預(yù)測和分析是一個非常重要的問題。 模型評估 在開始使用神經(jīng)網(wǎng)絡(luò)模型之前，需要對其進行評估，以確保
工商網(wǎng)監(jiān)
評論