2017
DOI: 10.1007/978-3-319-40210-9
|View full text |Cite
|
Sign up to set email alerts
|

Knowledge-Driven Board-Level Functional Fault Diagnosis

Abstract: The semiconductor industry continues to relentlessly advance silicon technology scaling into the deep-submicron (DSM) era. High integration levels and structured design methods enable complex systems that can be manufactured in high volume.However, due to increasing integration densities and high operating speeds, subtle manifestation of defects leads to functional failures at the board level. Functional fault diagnosis is, therefore, necessary for board-level product qualification. However, ambiguous diagnosi… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2018
2018
2021
2021

Publication Types

Select...
3
2

Relationship

0
5

Authors

Journals

citations
Cited by 5 publications
(2 citation statements)
references
References 40 publications
0
1
0
1
Order By: Relevance
“…Daha büyük C değerleri daha dar bir marjine sahip karar fonksiyonları üretir, bu da eğitim verisinin daha yüksek başarı ile sınıflandırılmasını sağlar. Daha küçük C değerleri kullanıldığında ise daha basit dolayısı ile aşırı öğrenme (overfitting) ihtimali daha düşük karar fonksiyonları üretilir [21].…”
Section: Deneysel Sonuçlarunclassified
“…Daha büyük C değerleri daha dar bir marjine sahip karar fonksiyonları üretir, bu da eğitim verisinin daha yüksek başarı ile sınıflandırılmasını sağlar. Daha küçük C değerleri kullanıldığında ise daha basit dolayısı ile aşırı öğrenme (overfitting) ihtimali daha düşük karar fonksiyonları üretilir [21].…”
Section: Deneysel Sonuçlarunclassified
“…The perceptron transmits a signal to other perceptrons like the biological neurons: it receives input signals, learns and processes them, and produces an output signal to perceptrons connected to it. A value is associated with each connected signal, referred to as weight, corresponding to the synaptic strength of biological neuron connections (Ye et al, 2016). The behavior and learning progress of an ANN depends on both the weights and the input-output signal learning function, referred to as the activation or transfer function.…”
Section: Neural Networkmentioning
confidence: 99%