[發明專利]一種基于RNN的CMOS電路性能退化預測方法在審
| 申請號： | 201810936697.1 | 申請日： | 2018-08-16 |
| 公開（公告）號： | CN109101735A | 公開（公告）日： | 2018-12-28 |
| 發明（設計）人： | 馬建國;楊闖;傅海鵬 | 申請（專利權）人： | 天津大學 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50;G06N3/04 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 吳學穎 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 性能退化 預測 預測模型 測試 訓練數據 退化 多輸出 性能退化數據 傳統實驗 技術支持 使用測量 退化機制 有效減少 測量 | ||
【權利要求書】：
1.一種基于RNN的CMOS電路性能退化預測方法，其特征在于，包括以下步驟：
步驟一，建立多輸入多輸出的RNN預測模型，包括輸入層、隱藏層和輸出層；
步驟二，使用測量/加速/測量技術加速CMOS電路性能退化，獲得CMOS電路性能退化參數，測試過程中CMOS電路的供電電壓設置為方波電壓；
步驟三，在測試得到的CMOS電路性能退化參數中，選取表征CMOS電路性能退化的參數；
步驟四，將步驟三選取的數據分為兩部分，選取一個加速退化次數X，將加速退化X次之前的數據作為訓練數據，將加速退化X次之后的數據作為需要被預測的數據；
步驟五，采用訓練數據訓練多輸入多輸出的RNN預測模型：使用加速退化X次之前的部分訓練數據進行訓練，部分訓練數據進行測試，待RNN預測模型誤差達到10e-6時，完成RNN預測模型的訓練，保留RNN預測模型的參數；
步驟六，將加速退化X次之前的數據輸入已經訓練好的RNN預測模型，預測出加速退化X次之后的數據，并將預測值與傳統實驗測試值比較，用MSE計算誤差。
2.根據權利要求1所述的基于RNN的CMOS電路性能退化預測方法，其特征在于，步驟六中誤差MSE按以下公式計算：
其中，ti表示傳統實驗測試結果，即RNN預測模型的理想輸出結果，oi表示RNN預測模型的輸出結果，N表示樣本數量。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津大學，未經天津大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810936697.1/1.html，轉載請聲明來源鉆瓜專利網。
