一种机器学习模型的训练数据集均匀化处理方法

    公开(公告)号:CN115660109B

    公开(公告)日:2023-05-02

    申请号:CN202211653150.3

    申请日:2022-12-22

    Abstract: 本发明公开了一种机器学习模型的训练数据集均匀化处理方法,包括如下步骤:1、确定器件的数据集输入目标结构参数的变化范围;步骤2、根据数据的变化范围,进行数据预处理;步骤3、对预处理后的数据进行均匀化取值;步骤4、对数据集输入目标结构参数进行反预处理;步骤5、根据反预处理后的数据,进行训练数据集的收集;步骤6、建立机器学习模型。本发明通过训练数据集的均匀化处理技术,避免了模型训练过程中潜在的欠拟合和过拟合问题,可优化机器学习模型的应用能力,且该方案构建的模型具有泛化能力强,对随机器件目标结构参数的电学性能预测准确率高等优点。

    一种基于样本数据的半导体器件仿真结果置信度分析方法

    公开(公告)号:CN115062549B

    公开(公告)日:2025-05-13

    申请号:CN202210825760.0

    申请日:2022-07-14

    Abstract: 本发明是一种基于样本数据的半导体器件仿真结果置信度分析方法,包括如下步骤:步骤1:根据实际样本空间数据来源,分别设置所述实际样本空间数据的置信度权重;步骤2:根据待仿真的器件结构参数,设置邻域半径;步骤3:根据相似性函数将邻域半径内空间点的结构参数与仿真样本结构参数代入所述相似性函数,计算得到邻域半径内空间点的结构参数与仿真样本结构参数之间的相似性;步骤4:根据相似性计算结果,计算获取邻域样本空间相对于仿真样本的置信度。本发明将样本数据的置信度引入置信度公式,有效提高了置信度评估的精度,通过控制邻域的数值,不仅可考虑小范围邻域空间,也可考虑整体数据区间,能有效指导设计进程。

    一种基于样本数据的半导体器件仿真结果置信度分析方法

    公开(公告)号:CN115062549A

    公开(公告)日:2022-09-16

    申请号:CN202210825760.0

    申请日:2022-07-14

    Abstract: 本发明是一种基于样本数据的半导体器件仿真结果置信度分析方法,包括如下步骤:步骤1:根据实际样本空间数据来源,分别设置所述实际样本空间数据的置信度权重;步骤2:根据待仿真的器件结构参数,设置邻域半径;步骤3:根据相似性函数将邻域半径内空间点的结构参数与仿真样本结构参数代入所述相似性函数,计算得到邻域半径内空间点的结构参数与仿真样本结构参数之间的相似性;步骤4:根据相似性计算结果,计算获取邻域样本空间相对于仿真样本的置信度。本发明将样本数据的置信度引入置信度公式,有效提高了置信度评估的精度,通过控制邻域的数值,不仅可考虑小范围邻域空间,也可考虑整体数据区间,能有效指导设计进程。

Patent Agency Ranking