Оптимизация построения нейроморфного справочника неисправностей для тестирования и диагностики аналоговых интегральных схем С. Г. Мосин
Material type:
ArticleOther title: Optimization of constructing the neuromorphic fault dictionary for testing and diagnostics of analog ICs [Parallel title]Subject(s): метод главных компонент | нейросетевой справочник неисправностей | тестирование | диагностика | аналоговые интегральные схемыGenre/Form: статьи в журналах Online resources: Click here to access online
In:
Вестник Томского государственного университета. Управление, вычислительная техника и информатика № 48. С. 103-111Abstract: Статья посвящена вопросам снижения сложности построения справочников неисправностей для аналоговых интегральных схем на основе искусственной нейронной сети (НС). Представлены преимущества нейроморфных справочников неисправностей (НСН) – ассоциативный режим работы и слабое влияние количества рассматриваемых неисправностей на архитектуру НС. Обсуждаются варианты построения НСН в аспекте больших данных. Предложен подход к выбору существенных характеристик контролируемых параметров для тестирования и диагностики неисправностей, обеспечивающий уменьшение размерности обучающего множества. Метод главных компонент (МГК) и критерий, основанный на объясненной дисперсии остатков, при-меняются для уменьшения количества коэффициентов, используемых для обучения НС. Представлен сквозной маршрут формирования НСН. Экспериментальные результаты демонстрируют эффективность предложенного подхода в виде сокращения времени и вычислительных затрат на формирование НСН, обеспечивающего высокий уровень покрываемости неисправностей до 100%.
Библиогр.: 9 назв.
Статья посвящена вопросам снижения сложности построения справочников неисправностей для аналоговых интегральных схем на основе искусственной нейронной сети (НС). Представлены преимущества нейроморфных справочников неисправностей (НСН) – ассоциативный режим работы и слабое влияние количества рассматриваемых неисправностей на архитектуру НС. Обсуждаются варианты построения НСН в аспекте больших данных. Предложен подход к выбору существенных характеристик контролируемых параметров для тестирования и диагностики неисправностей, обеспечивающий уменьшение размерности обучающего множества. Метод главных компонент (МГК) и критерий, основанный на объясненной дисперсии остатков, при-меняются для уменьшения количества коэффициентов, используемых для обучения НС. Представлен сквозной маршрут формирования НСН. Экспериментальные результаты демонстрируют эффективность предложенного подхода в виде сокращения времени и вычислительных затрат на формирование НСН, обеспечивающего высокий уровень покрываемости неисправностей до 100%.
There are no comments on this title.