基于多梯度神经网络的半导体器件特性建模方法和系统

    公开(公告)号:CN112580288A

    公开(公告)日:2021-03-30

    申请号:CN202011393933.3

    申请日:2020-12-03

    Applicant: 复旦大学

    Abstract: 本发明属于集成电路半导体技术领域,具体为一种基于多梯度神经网络的半导体器件特性建模方法和系统。在现存的基于神经网络的半导体器件建模方法之上,提出了利用神经网络反向传播中梯度的特性来拟合半导体器件的电导、电荷量变化曲线的方案,该建模方案能够高精度地表达晶体管电导特性和电容特性。基于该建模方开发的建模软件系统,只需点击相关功能按钮并设置合适的参数,就自动化地能完成繁琐的模型建立、模型练训、模型测试等过程;本发明方法大大提高了半导体器件的建模精度,降低了建模难度,缩短了建模周期,为半导体器件的建模与仿真提供了更准确、便捷、快速的方案。

    图像语义分割方法和图像语义分割装置

    公开(公告)号:CN114764856A

    公开(公告)日:2022-07-19

    申请号:CN202110044198.3

    申请日:2021-01-13

    Abstract: 本申请涉及人工智能领域,具体涉及计算机视觉领域,提供一种图像语义分割方法和图像语义分割装置,该方法包括:获取待处理图像的初始特征图,将初始特征图输入到分割网络,从而得到待处理图像的语义分割图,该语义分割图的分辨率与待处理图像的分辨率相同,该分割网络包括至少一个非对称卷积单元,该至少一个非对称卷积单元用于对初始特征图进行特征提取,非对称卷积单元生成的多个感受野的形状不完全相同。通过将单一形状的感受野扩展为多形状的感受野,使得与实际物体和人的形状更加匹配,有效提高分割精度。

    基于多梯度神经网络的半导体器件特性建模方法和系统

    公开(公告)号:CN112580288B

    公开(公告)日:2022-04-12

    申请号:CN202011393933.3

    申请日:2020-12-03

    Applicant: 复旦大学

    Abstract: 本发明属于集成电路半导体技术领域,具体为一种基于多梯度神经网络的半导体器件特性建模方法和系统。在现存的基于神经网络的半导体器件建模方法之上,提出了利用神经网络反向传播中梯度的特性来拟合半导体器件的电导、电荷量变化曲线的方案,该建模方案能够高精度地表达晶体管电导特性和电容特性。基于该建模方开发的建模软件系统,只需点击相关功能按钮并设置合适的参数,就自动化地能完成繁琐的模型建立、模型练训、模型测试等过程;本发明方法大大提高了半导体器件的建模精度,降低了建模难度,缩短了建模周期,为半导体器件的建模与仿真提供了更准确、便捷、快速的方案。

Patent Agency Ranking