bokomslag Untersuchung, Implementierung und Einsatz des Levenberg-Marquardt-Algorithmus zur Analyse von Chip-Fertigungsdaten
Data & IT

Untersuchung, Implementierung und Einsatz des Levenberg-Marquardt-Algorithmus zur Analyse von Chip-Fertigungsdaten

Daniel Weisskopf

Pocket

1379:-

Funktionen begränsas av dina webbläsarinställningar (t.ex. privat läge).

Uppskattad leveranstid 7-12 arbetsdagar

Fri frakt för medlemmar vid köp för minst 249:-

  • 114 sidor
  • 1999
Diplomarbeit aus dem Jahr 1999 im Fachbereich Informatik - Angewandte Informatik, Note: 1,3, Eberhard-Karls-Universitt Tbingen (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:
Der fehlerfreie Produktionsproze der Chip-Fertigung ist fr die IT-Industrie eines der wichtigsten Entwicklungsziele. Fr dessen Optimierung werden verschiedene Anstze verfolgt. Die Universitt Tbingen hat sich in Kooperation mit verschiedenen Vertretern dieses produzierenden Gewerbes zu dem Projekt Smart Fabrication - Neuronale Netze zusammengeschlossen mit dem Ziel, die Analysemethoden bei der elektrischen Parametermessung sowie die Qualittssicherung zu verbessern. In diesem Rahmen ist der Neuronale Netze Simulator NetSim entstanden, der u.a. fr die Ausschuvorhersage (Yieldmodelling) des laufenden Produktions-prozesses anhand von PCM-Daten in der industriellen Chip-Fertigung zum Einsatz kommen soll. Diese Arbeit befat sich mit einem weiteren neuronalen Lernverfahren, das, neben verschiedenen anderen Verfahren wie Backpropagation oder Counterpropagation, in diesen Simulator implementiert und auf seine Potentiale bei der Analyse von Chip-Fertigungsdaten evaluiert wurde - dem Levenberg-Marquardt-Algorithmus.


Inhaltsverzeichnis:Inhaltsverzeichnis:
1.Einleitung und Motivation6
1.1Das Smart Fabrication-Projekt6
1.1.1Technischer Inhalt des Vorhabens "Neuronale Netze"7
1.1.2Einsatzgebiete Neuronaler Netze in der Produktion8
1.2Der Neuronale Netze Simulator NetSim9
1.3Motivation und Zielsetzung10
2.Optimierung nichtlinearer kleinster Fehlerquadrate13
2.1Methode des steilsten Abstiegs (steepest descent)15
2.1.1Liniensuchalgorithmus zur Bestimmung der Schrittweite (line minimization)16
2.2Die Gau-Newton-Methode19
2.3Die Levenberg-Marquardt-Methode21
3.Implementierung des Levenberg-Marquardt-Algorithmus in einem Neuronalen Netz23
3.1Grundlagen Neuronaler Netze und verwendeter Netztyp24
3.2Berechnung der Hessematrix bzw. des Gradienten27
3.2.1Berechnung der Hessematrix27
3.2
  • Författare: Daniel Weisskopf
  • Format: Pocket/Paperback
  • ISBN: 9783838616452
  • Språk: Engelska
  • Antal sidor: 114
  • Utgivningsdatum: 1999-07-01
  • Förlag: Diplom.de