[發明專利]一種基于人工神經網絡的微電子封裝器件的優化設計方法

無效

• 申請號: 200810073685.7
• 申請日: 2008-07-16
• 公開（公告）號: CN101320400A
• 公開（公告）日: 2008-12-10
• 發明（設計）人: 楊道國;蔡苗
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/06
• 代理公司: 桂林市華杰專利事務所有限責任公司
• 代理人: 巢雄輝

1.一種基于人工神經網絡的微電子封裝器件的優化設計方法，包括以下步驟：

(1)根據給定需要進行設計的器件參數設計空間及優化設計目標，給出對人工神經網絡進行訓練用的樣本，具體為：

(1.1)根據指定封裝器件關鍵設計參數x_k的設計空間，并結合均勻實驗設計表安排設計水平；

(1.2)指定與實驗對應的優化設計目標y_k；

(1.3)使用均勻實驗安排，利用有限元分析軟件的參數化模擬分析方法進行分析，得到用于人工神經網進行訓練用的樣本：

{(x_k，y_k)|x∈R^m，y∈Rⁿ，k＝1，2，…，N}

其中：輸入節點為m個，輸出節點為n個，隱節點為p個，R^m為輸入參數集，Rⁿ為輸出參數集，

(2)訓練經過主成分分析和遺傳算法改進的前向誤差反向傳播神經網絡，構造出一個系統反映輸入和輸出映射關系：

F:R^m→Rⁿ

具體為：

(2.1)利用主成分分析對神經網絡訓練樣本的輸入數據進行降維去噪處理；

(2.2)利用遺傳算法改善BP神經網絡的初始連接權值和節點閥值；

(2.3)訓練BP神經網絡；

(2.4)利用訓練好的網絡預測并驗證，當預測和真實模擬的結果的大小變化規律基本一致時，進入步驟(2.5)，否則重復步驟(2.2)-(2.3)；

(2.5)得到一個系統反映輸入和輸出映射關系的神經網絡預測模型，

(3)將訓練好的神經網絡模型當作優化設計的觀察工具，在x_i(i≤N)參數組合的基礎上分別變化各輸入參數大小，觀察各輸入參數對優化目標y_i的影響，并選擇各個輸入參數的最優解，從而確定優化組合G_i，即i組參數的優化組合，

(4)結合現有材料及工藝的可行性，在優化得出的優化組合G_i里選擇合適的參數優化組合。

2.根據權利要求1所述的方法，其特征在于：上述步驟(3)還可以包括以下處理過程：

在確定優化組合G_i后，并利用訓練好的BP神經網絡的預測能力，根據各優化組合對優化結果的影響大小排序。