[發明專利]一種基于深度自編碼器網絡的電路結構可靠性預測方法

有效

• 申請號: 201810321633.0
• 申請日: 2018-04-11
• 公開（公告）號: CN108829908B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 肖杰;馬偉峰;施展輝;黃玉嬌;胡海根;李偉
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F30/398
• 分類號: G06F30/398;G06F30/27;G06N3/04;G06N3/08;G06F119/02;G06F115/06
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于深度自編碼器網絡的電路結構可靠性預測方法，其特征在于，所述預測方法包括以下步驟：

步驟1：網表解析及相關量的初始化，過程如下：

1.1)解析網表，并生成電路的完整性鏈表LC；

1.2)在LC中標識電路的層級數Ts；

步驟2：創建電路的特征集；

步驟3：基于基準電路集合采集對應特征集[TS,PF,AP]的數據集[ts,pf,ap]及其標簽R所對應的數據r，TS為面向拓撲結構的電路特征，PF為面向過程性因子的電路特征，AP為面向應用環境的電路特征；

步驟4：依據數據集[ts,pf,ap,r]的特點與規模，構建面向電路可靠性預測的AEN模型；

構建面向電路可靠性預測的AEN模型的過程如下：

4.1)初始化隱含層的最大層數ly，隱含層的最大結點個數nd，模型的最大訓練次數nt，訓練增量sl，常量ln及計數器l＝1；

4.2)若l≤ly，初始化計數器i＝1并轉到步驟4.3)，否則轉到步驟4.10)；

4.3)若2^i+ln≤nd，轉到步驟4.4)，否則轉到步驟4.9)；

4.4)初始化隱含層節點數hn＝2^i+ln與模型的訓練次數t＝ne；

4.5)構建并基于無監督學習逐層訓練自編碼器AE，過程如下：4.5.1)初始化計數器j＝1；

4.5.2)若t≤nt，則初始化h₀＝[ts,pf,ap]；否則轉到步驟4.8)；

4.5.3)若j≤l，則構建第j個有hn個隱含層節點的AE，記為AE_l_i_t_j；否則轉到步驟4.6)；

4.5.4)通過輸入數據h_j-1對AE_l_i_t_j開展t次無監督學習訓練；

4.5.5)基于AE_l_i_t_j的編碼器對h_j-1進行編碼，結果記為h_j；

4.5.6)執行j＝j+1，轉到步驟4.5.3)；

4.6)構建并訓練AEN模型；

4.7)執行t＝t+sl，轉到步驟4.5)；

4.8)執行i＝i+1，轉到步驟4.3)；

4.9)執行l＝l+1，轉到步驟4.2)；

4.10)基于測試數據集測試所構建的AEN模型，并計算其對應的RMSE與MAPE，其中，N指測試集的規模，y_k與分別指測試集中的第k個記錄值與預測值；

4.11)提取最小RMSE所對應的AEN模型；

步驟5：基于所選取的AEN模型，依據新輸入的特征數據，實現對電路結構可靠性的快速預測。

2.如權利要求1所述的一種基于深度自編碼器網絡的電路結構可靠性預測方法，其特征在于，所述步驟2的過程如下：

2.1)依據電路結構，構建面向拓撲結構的電路特征TS＝{PIs,Ts,Gs,As,NAs,Os,NOs,Ns,XOs,XNOs,Bs,Fs,FOs}，其中，PIs指原始輸入端數，Ts指層級數，Gs指門單元數，As指與門數，NAs指與非門數，Os指或門數，NOs指或非門數，Ns指非門數，XOs指異或門數，XNOs指同或門數，Bs指Buff數，Fs指扇出源數，FOs指扇出分支數；

2.2)基于當前工藝下器件的實際可靠性水平，構建面向過程性因子的電路特征PF，其取值pf＝{10^d|d＝-1,-2,…,-10}；

2.3)基于輸入向量，構建面向應用環境的電路特征AP，其由隨機生成的電路輸入向量ap構成。

3.如權利要求2所述的一種基于深度自編碼器網絡的電路結構可靠性預測方法，其特征在于，所述步驟3的過程如下：

3.1)提取基準電路circuit.isc，針對其不同取值的pf與ap，基于步驟2.1)的特征，通過步驟1生成的circuit.isc的LC，生成其特征數據集[ts,pf,ap]；

3.2)基于circuit.isc的pf與ap，借助其LC，利用E-PTM模型方法，計算circuit.isc在[pf,ap]下所對應的r以生成circuit.isc的帶標簽數據集[ts,pf,ap,r]。

4.如權利要求1所述的一種基于深度自編碼器網絡的電路結構可靠性預測方法，其特征在于，所述4.6)中，構建并訓練AEN模型的過程如下：

4.6.1)構建一個包含有l個隱含層且隱含層節點數為hn的深度神經網絡結構AEN_l_i_t；

4.6.2)初始化計數器j＝1；

4.6.3)若j≤l，則用AE_l_i_t_j的輸入層和隱含層的連接權重矩陣和偏置向量來初始化AEN_l_i_t第j層和第j+1層的連接權重矩陣和偏置向量；否則轉到步驟4.6.5)；

4.6.4)執行j＝j+1，轉到步驟4.6.3)；

4.6.5)基于有標簽的訓練數據集對AEN_l_i_t展開t次有監督訓練。