Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于半监督学习的片上重分布层信号完整性分析方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:杭州电子科技大学

摘要:本发明公开了一种基于半监督学习的片上重分布层信号完整性分析方法及系统,方法包括:S1、对片上重分布层信道进行3D建模,通过有限元电磁仿真进行信道散射参数提取;S2、眼图仿真设置;S3、对三维集成微系统中存在的复杂信号完整性问题进行抽象,进行不同条件下的快速瞬态时域仿真,得到变化的眼图数据集,包含标注数据集和无标注数据集,无标注数据集的数量大于标注数据集的数量;S4、使用步骤S3得到的标注变化眼图数据集,根据全监督交叉熵损失函数,对主体卷积神经网络进行全监督反向传播初步训练,得到初步训练完成的模型;S5、使用步骤S3得到的无标注变化眼图数据集,根据半监督交叉熵损失函数,对步骤S4初步训练完成的模型进行训练。

主权项:1.基于半监督学习的片上重分布层信号完整性分析方法,其特征在于,包括如下步骤:S1、对片上重分布层信道进行3D建模,通过有限元电磁仿真进行信道散射参数提取;S2、眼图仿真设置;S3、对三维集成微系统中存在的复杂信号完整性问题进行抽象,进行不同条件下的快速瞬态时域仿真,得到变化的眼图数据集,包含标注数据集和无标注数据集,无标注数据集的数量大于标注数据集的数量;S4、使用步骤S3得到的标注变化眼图数据集,根据全监督交叉熵损失函数,对主体卷积神经网络进行全监督反向传播初步训练,得到初步训练完成的模型;S5、使用步骤S3得到的无标注变化眼图数据集,根据半监督交叉熵损失函数,对步骤S4初步训练完成的模型进行训练;S6、将经过步骤S5训练完成的模型用于信号完整性分析,实现片上重分布层的信号完整性分析。

全文数据:

权利要求:

百度查询: 杭州电子科技大学 基于半监督学习的片上重分布层信号完整性分析方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。