公开(公告)号：CN103092074B

公开(公告)日：2015-09-09

申请号：CN201210591451.8

申请日：2012-12-30

Applicant: 重庆邮电大学

Inventor： 王巍 ,  安友伟 ,  杨铿 ,  冯世娟 ,  王振 ,  徐华

IPC: G05B13/04

Abstract: 本发明公开了一个半导体先进过程控制（APC）的参数优化控制方法。在半导体工艺过程中，针对间歇过程的优化控制方法，传统方法一般采用线性预测模型。本发明采用基于遗传算法优化的BP神经网络预测模型，通过遗传算法对神经网络的初始权值和阈值进行优化，根据每个染色体所对应的适应度函数F，采用选择操作、概率交叉和变异操作等，并输出最优解，由此确定BP神经网络的最优初始权值和阈值，利用附加动量方法和变学习率学习算法提高BP神经网络的性能，使其经过训练后能很好的预测非线性模型。该方法中遗传算法具有很好的全局搜索能力，容易等到全局最优解，或性能很好的次优解，这对于提高神经网络的建模能力，有很好的促进作用。

公开(公告)号：CN103092074A

公开(公告)日：2013-05-08

申请号：CN201210591451.8

申请日：2012-12-30

Applicant: 重庆邮电大学

Inventor： 王巍 ,  安友伟 ,  杨铿 ,  冯世娟 ,  王振 ,  徐华

IPC: G05B13/04

Abstract: 本发明公开了一个半导体先进过程控制（APC）的参数优化控制方法。在半导体工艺过程中，针对间歇过程的优化控制方法，传统方法一般采用线性预测模型。本发明采用基于遗传算法优化的BP神经网络预测模型，通过遗传算法对神经网络的初始权值和阈值进行优化，根据每个染色体所对应的适应度函数F，采用选择操作、概率交叉和变异操作等，并输出最优解，由此确定BP神经网络的最优初始权值和阈值，利用附加动量方法和变学习率学习算法提高BP神经网络的性能，使其经过训练后能很好的预测非线性模型。该方法中遗传算法具有很好的全局搜索能力，容易等到全局最优解，或性能很好的次优解，这对于提高神经网络的建模能力，有很好的促进作用。