Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学赵家铭获国家专利权

电子科技大学赵家铭获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利一种集成电路智能测试方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118897963B

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410932133.6,技术领域涉及:G06F18/20;该发明授权一种集成电路智能测试方法及系统是由赵家铭;赵贻玖;周乃馨;陈世博;王煜森设计研发完成,并于2024-07-10向国家知识产权局提交的专利申请。

一种集成电路智能测试方法及系统在说明书摘要公布了:本发明公开了一种集成电路智能测试方法与系统,首先使用正预测器、负预测器同步对所有需要进行测试的集成电路进行预测,通过对比两个预测的预测结果,识别出具有大于可靠性阈值Tstab的预测结果并转为传统测试,有效提高了测试可靠性。与此同时,本发明对正负两个预测器的预测结果进行加权求和作为最终预测结果,使最终结果预测误差小于单模型预测误差的12,显著提高了预测精度,此外,最终预测误差的方差小于单模型预测误差方差的12,也有效提高了测试稳定性。

本发明授权一种集成电路智能测试方法及系统在权利要求书中公布了:1.一种集成电路智能测试方法,其特征在于,包括以下步骤: 1、首先,使用正预测器、负预测器同步对所有需要进行测试的集成电路进行预测:输入激励信号到集成电路,采集集成电路的响应信号并提取特征分别输入到正预测器、负预测器中进行预测,得到各自的预测结果,其中,预测结果为集成电路的性能指标; 2、然后,计算正预测器与负预测器对第i个集成电路的预测结果的差值Pdiff_i,i=1,2,…,n,其中,n为需要进行测试的集成电路的总数; 3、然后,通过比较差值Pdiff_i与人为设定的可靠性阈值Tstab的大小关系,确定正预测器与负预测器对第i个集成电路的预测结果是否可靠,如果差值Pdiff_i小于可靠性阈值Tstab,则认为预测结果可靠,反之则认为预测结果不可靠; 4、最后,对判断为不可靠的预测结果,将其对应的集成电路的测试转为传统测试;对判断为可靠的预测结果进行加权求和,得到最终预测结果Pfinal_i: Pfinal_i=12×Ppos_i+12×Pneg_i 其中,Ppos_i是正预测器的预测结果,Pneg_i是负预测器的预测结果,i为预测结果可靠的集成电路的序号; 所述正预测器为基于机器学习方法的回归预测模型,在使用训练好的正预测器预测集成电路样本集时,该预测器对集成电路样本集内即超过80%的集成电路的预测误差大于等于0,其中,预测误差=预测结果-标签值,标签值为集成电路真实的性能指标; 在使用正预测器预测前,对其进行训练时,其损失函数为:losspos=Wa×f1Ppre,Plab+Wpnel_pos,其中,Wa为设定的系数,Ppre为预测结果即预测值,Plab为标签值,f1为比较函数,Wpnel_pos为惩罚项,其值与该训练批次中预测值小于标签值的样本数量正相关; 所述负预测器为基于机器学习方法的回归预测模型,在使用训练好的正预测器预测集成电路样本集时,该预测器对集成电路样本集内即超过80%的集成电路的预测误差大于等于0,其中,预测误差=预测结果-标签值,标签值为集成电路真实的性能指标; 在使用负预测器预测前,对其进行训练时,其损失函数为:lossneg=W×fPpre,Plab+Wpnel_neg,惩罚项Wpnel_neg的值与该训练批次中预测结果大于标签值的样本数量正相关。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。