[发明专利]一种集成电路器件神经网络建模样本选择方法及装置

摘要

本申请公开了一种集成电路器件神经网络建模样本选择方法及装置，对于平均影响值最大的输入变量，通过将该输入变量的区间不断地均等划分，直到所有划分出的区间的相对误差都小于或等于预设的误差精度时才停止均等划分动作，并输出划分出的长度最小的区间的长度为该输出变量的步长，再根据该输入变量的步长分别计算其他各输入变量步长，最后对于每一个输入变量，根据其变化区间及步长进行取点，以得到每一个输入变量的样本点集合，从而可以实现在给定精度的情况下实现低样本数据量的选择，并且低样本数据量还节约了器件建模所需的测试开销，提高了神经网络的训练速度。

主权项

1.一种集成电路器件神经网络建模样本选择方法，其特征在于，包括：确定待建模的集成电路器件的一个或多个输入变量、输出变量以及各输入变量的变化区间；分别计算各输入变量的平均影响值，平均影响值的绝对值大小代表影响的相对重要性，绝对值越大的平均影响值，其影响的相对重要性越大；对于平均影响值的绝对值最大的输入变量，计算其变化区间的相对误差；比较该相对误差与一预设的误差精度，若该相对误差小于或等于所述预设的误差精度，则将该输入变量的变化区间的长度作为该输入变量的步长；若该相对误差大于所述误差精度，则将该输入变量的变化区间均等划分为两个子区间，并分别计算这两个子区间的相对误差；判断是否存在相对误差大于上述预设的误差精度的子区间，若存在相对误差大于所述预设的误差精度的子区间，则继续将其均等划分为两个子区间并分别计算这两个子区间的相对误差，直到所有子区间的相对误差都小于或等于所述误差精度时停止均等划分，并将区间长度最小的子区间的长度作为该输入变量的步长；根据平均影响值的绝对值最大的输入变量的步长，分别计算其他各输入变量的步长，计算其他任意一输入变量的步长时，是将平均影响值的绝对值最大的输入变量的平均影响值的绝对值除以该待计算步长的输入变量的平均影响值的绝对值后，再乘以平均影响值绝对值最大的输入变量的步长；对于每一个输入变量，根据其变化区间及步长进行取点，以得到每一个输入变量的样本点集合。