[发明专利]一种基于RNN的CMOS电路性能退化预测方法在审
| 申请号： | 201810936697.1 | 申请日： | 2018-08-16 |
| 公开（公告）号： | CN109101735A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 马建国;杨闯;傅海鹏 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 吴学颖 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 性能退化 预测 预测模型 测试 训练数据 退化 多输出 性能退化数据 传统实验 技术支持 使用测量 退化机制 有效减少 测量 | ||
【权利要求书】：
1.一种基于RNN的CMOS电路性能退化预测方法，其特征在于，包括以下步骤：
步骤一，建立多输入多输出的RNN预测模型，包括输入层、隐藏层和输出层；
步骤二，使用测量/加速/测量技术加速CMOS电路性能退化，获得CMOS电路性能退化参数，测试过程中CMOS电路的供电电压设置为方波电压；
步骤三，在测试得到的CMOS电路性能退化参数中，选取表征CMOS电路性能退化的参数；
步骤四，将步骤三选取的数据分为两部分，选取一个加速退化次数X，将加速退化X次之前的数据作为训练数据，将加速退化X次之后的数据作为需要被预测的数据；
步骤五，采用训练数据训练多输入多输出的RNN预测模型：使用加速退化X次之前的部分训练数据进行训练，部分训练数据进行测试，待RNN预测模型误差达到10e-6时，完成RNN预测模型的训练，保留RNN预测模型的参数；
步骤六，将加速退化X次之前的数据输入已经训练好的RNN预测模型，预测出加速退化X次之后的数据，并将预测值与传统实验测试值比较，用MSE计算误差。
2.根据权利要求1所述的基于RNN的CMOS电路性能退化预测方法，其特征在于，步骤六中误差MSE按以下公式计算：
其中，ti表示传统实验测试结果，即RNN预测模型的理想输出结果，oi表示RNN预测模型的输出结果，N表示样本数量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810936697.1/1.html，转载请声明来源钻瓜专利网。
