Supongamos que sé cómo funciona un transistor NPN .
¿En qué se diferencia un transistor PNP? ¿Cuáles son las diferencias de funcionamiento entre un PNP y un NPN?
Respuestas
¿Demasiados anuncios?
Los transistores PNP funcionan de la misma manera que los NPN, pero todas las tensiones y corrientes se invierten. Conectas el emisor al potencial más alto, la fuente de corriente de la base y la corriente principal fluye hacia el emisor y luego sale por el colector.
\$V_\rm{BE}\$ será \$-0.7\,\rm{V}\$ pero su magnitud debería ser la misma tanto en PNP como en NPN si se utilizan piezas complementarias.
Autistic
Puntos
1846
Los transistores NPN y PNP son diferentes. Los electrones son más móviles que los agujeros, lo que significa que los PNP no son tan buenos como los NPN. En el caso de los BJT de Si, los tipos PNP están por detrás cuando se trata de la tensión de ruptura y la potencia realmente alta. Para los dispositivos de propósito general como BC337 / BC327 las cosas son iguales, pero si se quiere hacer un SMPS fuera de línea no sería fácil o práctico a 1KW. Para el germanio el NPN se supone que es mejor pero no lo es. Esto se debe a problemas de fabricación. El AC127 no es tan bueno como el AC128 y el AD161 no es tan bueno como el AD162 y sí estos dispositivos se vendieron como pares emparejados. La relación entre la movilidad de los electrones y la de los agujeros es un factor determinante de la proximidad entre el PNP y el NPN. Esto es mucho peor en el caso del SiC, por lo que cabe esperar que los BJT PNP sean pésimos, por lo que probablemente no se molesten en fabricarlos. Por alguna razón, los PNP tienen menos ruido, por lo que son preferidos en las etapas de entrada de pares diferentes. La abundancia de chips de controladores de alta frecuencia es una prueba de que los PNP no son tan buenos como los NPN.
nvade
Puntos
83
Si no está seguro de qué es lo mejor, puede utilizar técnicas automáticas de selección (por ejemplo, validación cruzada, ... ). En este caso puede incluso utilizar un combinación de clasificadores (si su problema es la clasificación) obtenidos con diferentes núcleos.
Sin embargo, la "ventaja" de trabajar con un núcleo es que cambias la geometría "euclidiana" habitual para que se adapte a tu propio problema. Además, hay que tratar de entender cuál es el interés de un kernel para tu problema, qué es lo particular de la geometría de su problema . Esto puede incluir:
- Invarianza Si hay una familia de transformaciones que no cambian el problema fundamentalmente, el núcleo debe reflejarlo. La invariancia por rotación está contenida en el núcleo gaussiano, pero se puede pensar en muchas otras cosas: traslación, homotecia, cualquier representación de grupo, ....
- ¿Qué es un buen separador? si tiene una idea de lo que es un buen separador (es decir, una buena regla de clasificación) en su problema de clasificación, esto debería incluirse en la elección del núcleo. Recuerde que SVM le dará clasificadores de la forma
$$ \hat{f}(x)=\sum_{i=1}^n \lambda_i K(x,x_i)$$
Si sabes que un separador lineal sería bueno, entonces puedes usar Kernel que da funciones afines (es decir $K(x,x_i)=\langle x,A x_i\rangle+c$ ). Si crees que sería mejor tener límites suaves en el espíritu del KNN suave, entonces puedes tomar un kernel gaussiano...
