Artificial Neural Networks Method Fitting for Deep-Level Transient Spectroscopy Signals Analysis

Abstract

Анотація. На основі аналізу недоліків класичних методів обробки сигналів РСГР (релак-саційна спектроскопія глибоких рівнів) запропоновано альтернативний алгоритм, що базується на перевагах методу штучних нейронних мереж. Доведено правомірність його застосування для дослідження простих моделей з одним глибоким рівнем та стійкість до значного рівня зашумленості сигналу.Ключові слова: РСГР, шум, переріз захоплення, енергія активації, штучні нейронні мережі ARTIFICIAL NEURAL NETWORKS METHOD FITTING FOR DEEP-LEVEL TRANSIENT SPECTROSCOPY SIGNALS ANALYSIS D. B. Gryaznov, S. A. Korin, V. J. Opylat, O. V. TretyakAbstract. On the basis of analysis of classical methods disadvantages of deep level transient spectroscopy (DLTS) signal processing, we proposed alternative algorithm, which is based on the advantages of artificial neural networks. We proved the legitimacy of its application to the investigation of simple models with one deep level and its stability to a significant noise degree in signal.