-
公开(公告)号：CN112836394A
公开(公告)日：2021-05-25
申请号：CN202110259020.0
申请日：2021-03-10
Applicant: 东南大学
Abstract: 本发明公开了基于相关性和高斯过程回归的设计空间参数迁移学习方法，包括：(1)合理地将相关性算法融入到不同工艺下的设计空间探索中，关联不同工艺下的评估目标的相关性；使得在先进工艺下的设计空间探索的时间大大减小，并且通过以前工艺下的最优化设计有效的找到先进工艺下的最优化设计。(2)利用高斯过程回归的输出为高斯过程的均值和方差的优点，用具有相关性的各个工艺下的数据来拟合高斯过程，并可以有效地输出先进工艺下的设计参数的概率分布。(3)通过汤普森采样获得表现最优的设计参数，良好平衡多目标的最佳设计参数。本发明将此技术应用到EDA流程中，可以大大缩短寻找最优化设计的时间，并且能够有效的权衡各个目标。
-
公开(公告)号：CN112836394B
公开(公告)日：2024-05-14
申请号：CN202110259020.0
申请日：2021-03-10
Applicant: 东南大学
Abstract: 本发明公开了基于相关性和高斯过程回归的设计空间参数迁移学习方法，包括：(1)合理地将相关性算法融入到不同工艺下的设计空间探索中，关联不同工艺下的评估目标的相关性；使得在先进工艺下的设计空间探索的时间大大减小，并且通过以前工艺下的最优化设计有效的找到先进工艺下的最优化设计。(2)利用高斯过程回归的输出为高斯过程的均值和方差的优点，用具有相关性的各个工艺下的数据来拟合高斯过程，并可以有效地输出先进工艺下的设计参数的概率分布。(3)通过汤普森采样获得表现最优的设计参数，良好平衡多目标的最佳设计参数。本发明将此技术应用到EDA流程中，可以大大缩短寻找最优化设计的时间，并且能够有效的权衡各个目标。
-
Search Results
2
records
(took 0.011 seconds)
