模糊人工神经网络方法在电路划分问题中的应用

本文把模糊集合论的知识应用于自组织人工神经网络,提出一个模糊人工神经网络算法.新算法克服了一般人工神经网络方法共同面临的学习时间长、对网络参数的敏感性弱点,广泛适用于一般的模式分类问题.对集成电路设计中电路划分问题的应用情况表明,新算法无论在网络学习的速度上还是划分结果上都优于Kohonen的自组织人工神经网络方法.     

一种改进的集成电路模块有效布局算法

改进了一种求解集成电路模块布局问题的启发式算法。以边界矩形周长最小为目标,设计了模块的优先序列,并在布局过程中动态调整,重新设计布局优先度,并简化模块的占边动作,重写占角动作,对模块布局放置的多个可能位置进行比较,并将其放置在优先度最高的适当区域。经实例测试,结果表明该算法简洁高效,面积利用率有较大提高。     

集成电路模块布局问题的一种有效算法

求解集成电路模块布局问题的一种启发式算法。该算法通过设计一种合理的布局优先序,对同一模块可能的多个布局位置进行比较并将其放置在优先度最高的适当区域,可有效求解集成电路模块布局问题。     

集成电路模块布局问题的一种有效算法

该文提出了一种求解集成电路模块布局问题的启发式算法。该算法通过设计一种合理的布局优先序,对同一模块可能的多个布局位置进行了比较,并将其放置在优先度最高的适当区域。实验结果表明,这一算法尽管简单,但对求解集成电路模块布局问题是有效的。     

自组织竞争人工神经网络在颜色选择中的应用

颜色的识别一直是目前模式识别中的一个重要课题,介绍了自组织竞争神经网络结构和原理,接着利用其在分类分面的应用,推广到其在图像颜色选择中的应用,并在计算机上的实现,最后统述了该系统在工控方面的应用前景。     

用神经网络求解时间驱动的宏单元布局问题

文中提出了一个宏单元布局的均场退火网络求解方法,算法用一个三维二值换位矩阵将问题映射为神经网络,建立包含时延约束,重叠约束和优化目标的能量函数,再用均场退火方程迭代求解。每个单元只能放置在布局平面一个位置上的约束用神经元归一化的方法解决。     

Yolo神经网络在集成电路焊盘布局规则检测上的应用研究

为探索深度学习在集成电路设计自动化上的应用,以电源和接地焊盘的排列规则作为检查案例,研究了Yolo v3神经网络在版图检查上的可行性。采用Python脚本批量生成版图样本图片,并使用LabelImg进行标签标记。使用TensorFlow框架编写了基于Yolo v3的版图检查器。结果 显示,版图检查器在判断焊盘布局正确性上实现了高精确率与高召回率。此外,还通过调整版图的大小、形状、对称性与焊盘数目的方式对检查器进行了进一步测试。检查器仍表现卓越,体现出良好的扩展性。研究表明Yolo v3可以很好地找出焊盘布局的错误。深度学习在集成电路版图检查中的潜力大,值得继续探索。     

基于位矩阵编码实现模拟集成电路模块布局的遗传算法

提出了一种新的实现模拟集成电路模块布局的遗传算法，其位矩阵编码法提高了算法的搜索效率；模块的滑行处理使绝对布局问题转变成相对布局问题，极大地减小了搜索状态空间而不降低精度；复制过程中个体间的相似性检查避免了算法的早熟收敛；目标函数覆盖了模拟集成电路的特殊要求；正交实验的方法用来研究算法参数，其最优取值由另一个衍化遗传算法确定，多种电路的测试结果表明，该算法性能优于传统的模拟退火算法，布局结果与手工布局相仿，设计效率得到显著提高。     

逻辑图自动布局

本文提出一种逻辑图布局算法,并在LOD系统中得到实用。元件在横向上从输入到输出由左到右逐级排放;纵向上利用PO锥作宏观布局,对每个PO锥内按元件间的连接紧密程度排放。该方法将大量信息和规则揉到算法中,同时使用启发信息来进行布局,使得结果层次分明,满足要求。     

应用于大规模集成电路非线性布局的二元结群算法

针对平面模式下非线性布局算法的设计能力远远跟不上集成电路发展速度的现状,将连接紧密的单元结合作为整体参与布局,提出一种应用于大规模非线性布局的二元结群算法,以减小电路规模和复杂度,进而提高布局算法速度、优化布局算法结果质量.该算法按2个单元之间对内连接度与对外连接度的比值排序,并按比值从大到小对单元进行结群,然后更新网表;如果其中一个单元已经被结群或是它们合并后总面积会大于目标结群面积,则放弃这2个单元的组合.将文中算法嵌入之前实现的平面非线性布局器中,可使运行时间相对于平面模式减少40％,布局结果的质量提高了12％.该布局器详细布局后的结果比当前流行的同样采用结群算法的布局器Capo,FastPlace,Fengshui和mPL5-fast算法分别优化了7％,9％,7％和5％,显示了其有效性和高效性.     

自组织人工神经网络在氟化物非晶态形成的判别条件中的应用

运用三维Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络，利用化学键参数法，研究了三元系氟化物非晶态形成的判别条件，识别成功率达１００％，结果表明，该方法性能良好，可望成为研究化合物非晶态形成条件的有效的辅助手段。     

神经网络理论的发展与前沿问题

系统地论述了神经网络理论发展的历史和 现状,在此基础上,对其主要发展趋向和所涉及的前沿问题进行了阐述．文中还作了一定的 评论,并提出了新的观点．     

神经网络在天气预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自 学习和自适应等一系列优点,因而用它来进行天气预报是可行的．针对天气预报问题,初步 建立了基于神经网络的预报系统,给出了应用实例．     

RBF神经网络在加速冷却控制系统中的应用

针对中厚钢板加速冷却过程,钢板入口温度波动大,钢板终冷温度难以实现闭环控制等特点,首先将RBP(Radial Basis Functions)神经网络与优化设定技术相结合应用到加速冷却系统中,提出了加速冷却控制系统中基于RBF神经网络的每幕流量的控冷模型.仿真实验表明:该控冷模型能够实现对钢板加速冷却过程的有效控制.     

带神经网络补偿的极点配置广义最小方差自校正控制

首先用一个常规线性模型对被控对象进行辨识,再对线性模型辨识的余差用一个神 经网络进行补偿．线性模型和神经网络共同构成对象的辨识模型,并基于这一模型提出了一 种显式极点配置广义最小方差自校正控制．该方法适用于非线性对象,且具有较高精度和较 快的收敛速度,具有较强的鲁棒性．     

神经网络在语音信号消噪处理中的应用

提出了一种利用神经网络进行语音信号消噪处理的新方法。在无噪和含噪条件下,提取语音信号的包络谱,用于BP神经网络的训练和识别,再叠加上原始语音信号的特征,最终达到语音信号消噪和提高可懂度的目的。     

B样条神经网络的算法设计及应用

B样条神经网络是一个三层前向神经网络,可广泛用于非线性系统的建模、控制和模式识别等领域。本文讨论了一维和多维B样条神经网络的结构和程序算法,用仿真实例分析了算法中参数的选取和算法的有效性,并举例说明其在动态非线性系统故障诊断中的应用。     

VLSI定时驱动布局算法

定时驱动布局算法是改善ＶＬＳＩ性能的重要措施，现有算法主要建立在面向网络和面向通路两种技术之上，仅获得局部最优解．本文以获得全局最优解为目标，从电路逻辑结构和传输延时出发，提出了面向电路最大延时的布局算法．实验表明，本算法是有效的．