ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. システムとLSIの設計技術(SLDM)
  3. 2021
  4. 2021-SLDM-194

ニューラルネットワークを用いた被疑論理故障信号線の欠陥種類推定法

https://ipsj.ixsq.nii.ac.jp/records/210431
https://ipsj.ixsq.nii.ac.jp/records/210431
0a53c67f-db0b-4577-bdff-93e16652bc06
名前 / ファイル ライセンス アクション
IPSJ-SLDM21194031.pdf IPSJ-SLDM21194031.pdf (1.9 MB)
Copyright (c) 2021 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
SLDM:会員:¥0, DLIB:会員:¥0
Item type SIG Technical Reports(1)
公開日 2021-03-18
タイトル
タイトル ニューラルネットワークを用いた被疑論理故障信号線の欠陥種類推定法
タイトル
言語 en
タイトル An Estimation Method of Defect Types for Suspected Logical Faulty Lines Using Neural Networks
言語
言語 jpn
キーワード
主題Scheme Other
主題 高信頼化技術
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
日本大学大学院生産工学研究科
著者所属
日本大学生産工学部
著者所属
明治大学情報コミュニケーション学部
著者所属
日本大学大学院生産工学研究科
著者所属
日本大学大学院生産工学研究科
著者所属(英)
en
Graduate School of Industrial Technology, Nihon University
著者所属(英)
en
College of Industrial Technology, Nihon University
著者所属(英)
en
College of Information and Communication, Meiji University
著者所属(英)
en
Graduate School of Industrial Technology, Nihon University
著者所属(英)
en
Graduate School of Industrial Technology, Nihon University
著者名 太田, 菜月

× 太田, 菜月

太田, 菜月

Search repository
細川, 利典

× 細川, 利典

細川, 利典

Search repository
山崎, 浩二

× 山崎, 浩二

山崎, 浩二

Search repository
山内, ゆかり

× 山内, ゆかり

山内, ゆかり

Search repository
新井, 雅之

× 新井, 雅之

新井, 雅之

Search repository
著者名(英) Natsuki, Ota

× Natsuki, Ota

en Natsuki, Ota

Search repository
Toshinori, Hosokawa

× Toshinori, Hosokawa

en Toshinori, Hosokawa

Search repository
Koji, Yamazaki

× Koji, Yamazaki

en Koji, Yamazaki

Search repository
Yukari, Yamauchi

× Yukari, Yamauchi

en Yukari, Yamauchi

Search repository
Masayuki, Arai

× Masayuki, Arai

en Masayuki, Arai

Search repository
論文抄録
内容記述タイプ Other
内容記述 特定の故障モデルの故障診断は誤診断や解なしという診断を起こす可能性があるため,スキャン設計回路を対象としたマルチサイクルキャプチャテスト集合を用いたユニバーサル論理故障モデルに対する故障診断法が提案されている.その故障診断手法では,被疑故障信号線の欠陥種類の推定がされないことが課題に残る.本論文では,被疑故障信号線に対して主な論理故障モデルである縮退故障,支配型ブリッジ故障,オープン故障を表すそれぞれの特徴量を求め,人工ニューラルネットワークを用いて,被疑故障信号線の欠陥種類を推定する手法を提案する.
論文抄録(英)
内容記述タイプ Other
内容記述 Since fault diagnosis methods for specified fault models might cause misprediction and non-prediction, a fault diagnosis method for a single universal logical fault model using multi-cycle capture test sets was proposed for scan design circuits. However, the problem remains that the fault diagnosis method does not estimate types of defects corresponding to suspected faults. In this paper, we propose an estimation method of defect types using neural networks with the features represent the major logical fault models such as stuck-at 0 fault, stuck-at 1 fault, dominant bridging fault, and open fault.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA11451459
書誌情報 研究報告システムとLSIの設計技術(SLDM)

巻 2021-SLDM-194, 号 31, p. 1-6, 発行日 2021-03-18
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8639
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 18:09:52.563932
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3