Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Built-in Self-Testers
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Przedmiotem artykułu są nowe, przydatne do zastosowań w testerach wbudowanych BIST, specjalizowane sieci neuronowe do lokalizacji uszkodzeń parametrycznych analogowych układów elektronicznych, o podwyższonej odporności na maskujący wpływ rozrzutów tolerancyjnych elementów nieuszkodzonych. Sieci opracowane zostały w dwóch wariantach: z Dwucentrowymi Radialnymi (DRB) oraz Elipsoidalnymi (DEB) funkcjami Bazowymi. Dzięki wydłużonym kształtom nowych funkcji bazowych, możliwe jest lepsze dopasowanie neuronów do krzywych identyfikacyjnych i zmniejszenie ich liczby w stosunku do znanych i stosowanych w diagnostyce sieci z jednocentrowymi Radialnymi (RB) lub Elipsoidalnymi (EB) funkcjami Bazowymi. W artykule przedstawiono konstrukcje funkcji DRB i DEB, strukturę klasyfikatora neuronowego oraz zabiegi optymalizacyjne mające na celu zmniejszenie złożoności obliczeniowej i dostosowanie do implementacji w testerze wbudowanym typu µBIST sterowanym mikrokontrolerem.
EN
The aim of the article are new, useful in Built-In Self-Testers, specialized neural networks for the localization of parametric faults of analog electronic circuits, more robust against the fault-masking effect of non-faulty element tolerances. New neural networks were worked out in two different variants: with Two-Center Radial Basis functions (TCRB) and Two-Center Elipsoidal Basis functions (TCEB). Thanks to elongated shapes. the new basis functions allow a better fit of neurons to identification curves and a decrease of the number of neurons in the hidden layer with relation to the radial neural network with one-center Radial (RB) or Elipsoidal (EB) Basis functions, which are well known and applied in diagnosis. The article presents constructions of TCRB and TCEB functions, an architecture of a neural classifier and optimisation methods performed in order to minimize classifiers's computational complexity and to implement the specialized neural network in embedded tester of type µBIST controlled with microcontroller.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.