[发明专利]一种基于机器学习的集成电路ATE自动复测系统及方法

权利要求书

1.一种基于机器学习的集成电路ATE自动复测系统，其特征在于：包括测试程序控制器（2）、复测监控程序控制器（4）、预测模型训练控制器（6），其中：

所述测试程序控制器（2）用于根据复测信息对被测器件集进行测试，将测试后的测试结果数据发送给复测监控程序控制器（4）；

所述复测监控程序控制器（4）用于根据测试结果数据，调用预测模型训练控制器（6）生成的预测模型判断被测器件集是否需要复测，若需复测，则将复测信息发送给测试程序控制器（2）；

所述预测模型训练控制器（6）用于根据复测数据建立训练数据队列，同时用于根据机器学习方法，生成预测模型，供复测监控程序控制器（4）调用。

2.根据权利要求1所述基于机器学习的集成电路ATE自动复测系统，其特征在于：所述预测模型训练控制器（6）包括训练数据管理器（20）、全局数据池管理器（21）、预测模型生成器（22）；

所述训练数据管理器（20）包括训练数据集队列及训练数据发生器，所述训练数据管理器（20）用于接收全局数据池管理器（21）的测试数据，或复测监控程序控制器（4）的复测数据，建立训练数据集，并输出训练数据集供预测模型生成器进行模型训练；

所述全局数据池管理器（21）负责保存管理集成电路ATE及被测器件集的测试数据；

所述预测模型生成器（22）负责从全局数据池管理器（21）获取训练数据集，完成预测模型的训练；同时负责将预测模型给复测监控程序控制器（4）调用，或对复测监控程序控制器（4）进行初始化。

3.根据权利要求2所述基于机器学习的集成电路ATE自动复测系统，其特征在于：所述预测模型生成器（22）包括逻辑回归函数模型：

其中，为对应采样数据的预测复测概率值，为采样数据的线性累加值，为逻辑回归参数。

4.根据权利要求3所述基于机器学习的集成电路ATE自动复测系统，其特征在于：所述预测模型生成器（22）包括损失函数模型：

其中，为损失函数，为样本数量，为第i个样本的真实标签，即0或者1；

为第i个样本对应的预测复测概率值；为第i个样本的特征值。

5.根据权利要求4所述基于机器学习的集成电路ATE自动复测系统，其特征在于：所述预测模型生成器（22）采用梯度下降法不断更新，最终逼近的极小值；更新的公式为：

其中，为第j个参数的权重值，为学习率。

6.根据权利要求5所述基于机器学习的集成电路ATE自动复测系统，其特征在于：所述训练数据管理器（20）根据训练数据集中数据队列的更新情况或触发情况，自动通知预测模型生成器（22）启动新预测模型训练。

7.一种基于权利要求5所述基于机器学习的集成电路ATE自动复测系统的复测方法，其特征在于，包括以下步骤：

步骤30，根据测试程序控制器（2）的测试结果输入，复测监控程序控制器（4）判断该被测器件集的测试结果是否为复测数据；对复测的测试结果，输出给预测模型训练控制器（6）；

步骤31，预测模型训练控制器（6）对正常的测试结果，复测监控程序控制器（4）调用预测模型训练控制器（6）生成的预测模型计算该数据对应的被测器件集需要复测的概率；对于概率值大于阈值的测试结果，给出是否需要复测的指令，若需要复测的指令输出给测试程序控制器（2）；

步骤32，预测模型训练控制器（6）接收复测的测试结果建立训练数据集，并输出训练数据集供预测模型生成器进行模型训练；所述预测模型生成器（22）获取训练数据集，采用梯度下降法不断更新，判断是否小于设定阈值，或者循环次数是否大于设置次数阈值，若是小于设定阈值，或者循环次数是大于设置次数阈值，则输出预测模型；

步骤33，机器学习算法控制器，用于接收步骤32中得到的预测模型，更新预测模型；同时根据测试程序控制器（2）的测试数据输入，通过更新的预测模型计算需复测概率，输出给复测监控程序控制器（4）。