[发明专利]一种芯片辅助设计方法、装置、设备及可读介质有效
申请号: | 202210569483.1 | 申请日: | 2022-05-24 |
公开(公告)号: | CN114722746B | 公开(公告)日: | 2022-11-01 |
发明(设计)人: | 邹德强 | 申请(专利权)人: | 苏州浪潮智能科技有限公司 |
主分类号: | G06F30/30 | 分类号: | G06F30/30;G06N20/00;G06F30/33;G06F30/337;G06F30/398 |
代理公司: | 北京连和连知识产权代理有限公司 11278 | 代理人: | 李红萧;宋薇薇 |
地址: | 215000 江苏省苏州*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 芯片 辅助设计 方法 装置 设备 可读 介质 | ||
1.一种芯片辅助设计方法,其特征在于,包括以下步骤:
获取原始芯片数据,并对所述原始芯片数据进行预处理以得到预处理后的芯片数据;
基于芯片经验对所述预处理后的芯片数据进行探索性分析以得到第一特征化数据,基于统计检验对所述预处理后的芯片数据进行过滤法分析以得到第二特征化数据,基于模型方向对所述预处理后的芯片数据进行嵌入法分析以得到第三特征化数据;其中,所述嵌入法包括将所有芯片特征导入到模型中,经过训练调优后,利用模型属性评估特征的重要性,并设定阈值,得到数据特征子集以得到第三特征化数据;对所述第一特征化数据、所述第二特征化数据和所述第三特征化数据进行加权处理并进行分析以得到特征化数据集;
选择不同的算法基于所述特征化数据集建立不同的预测模型,并对所述预测模型进行训练和评估以得到最优预测模型;以及
基于所述最优预测模型对芯片数据的数据特征进行分析以得到数据特征的重要性排序,基于所述重要性排序并且通过所述最优预测模型进行芯片辅助设计。
2.根据权利要求1所述的芯片辅助设计方法,其特征在于,获取原始芯片数据包括:
通过EDA工具获取原始芯片数据;或
通过测试数据获取原始芯片数据;或
通过服务器数据获取原始芯片数据。
3.根据权利要求1所述的芯片辅助设计方法,其特征在于,对所述原始芯片数据进行预处理以得到预处理后的芯片数据包括:
对所述原始芯片数据进行缺失值处理;和/或
对所述原始芯片数据进行重复值处理;和/或
对所述原始芯片数据进行异常值处理;和/或
对所述原始芯片数据进行字符数据编码处理;和/或
对所述原始芯片数据进行无量纲化处理。
4.根据权利要求1所述的芯片辅助设计方法,其特征在于,基于芯片经验对所述预处理后的芯片数据进行探索性分析以得到第一特征化数据包括:
通过直方图分析离散芯片特征的趋势变化;
通过核密度曲线分析连续芯片特征的趋势变化;
通过计算交叉表分析芯片特征相较于标签的趋势情况;
通过分组箱线图分析搭配特征相较于标签的趋势情况;
通过相关系数和热力图分析特征与特征、特征与标签之间的相关性;
通过主成分分析法分析创造特征。
5.根据权利要求1所述的芯片辅助设计方法,其特征在于,基于统计检验对所述预处理后的芯片数据进行过滤法分析以得到第二特征化数据包括:
基于方差过滤和/或相关性过滤对所述预处理后的芯片数据进行过滤以得到第二特征化数据。
6.根据权利要求1所述的芯片辅助设计方法,其特征在于,对所述第一特征化数据、所述第二特征化数据和所述第三特征化数据进行加权处理并进行分析以得到特征化数据集包括:
利用统计分析软件对加权处理后的所述第一特征化数据、所述第二特征化数据和所述第三特征化数据进行分析。
7.根据权利要求1所述的芯片辅助设计方法,其特征在于,选择不同的算法基于所述特征化数据集建立不同的预测模型包括:
基于所述特征化数据集建立芯片品质预测模型;和/或
基于所述特征化数据集建立芯片性能评分模型。
8.根据权利要求1所述的芯片辅助设计方法,其特征在于,对所述预测模型进行训练和评估以得到最优预测模型包括:
通过K次交叉验证、学习曲线、网格搜索中的至少一种对所述预测模型进行训练。
9.根据权利要求7所述的芯片辅助设计方法,其特征在于,对所述预测模型进行训练和评估以得到最优预测模型包括:
通过混淆矩阵、准确率、精确度、召回率、f1分数、roc曲线中的至少一种对所述芯片品质预测模型进行评估。
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苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,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/202210569483.1/1.html,转载请声明来源钻瓜专利网。