99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

使用機(jī)器學(xué)習(xí)改善庫(kù)特征提取的質(zhì)量和運(yùn)行時(shí)間

西門(mén)子EDA ? 來(lái)源:西門(mén)子EDA ? 2024-12-26 11:15 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

基于靜態(tài)時(shí)序分析(STA)的現(xiàn)代設(shè)計(jì)流程非常依賴標(biāo)準(zhǔn)單元、IO、存儲(chǔ)器和定制模塊的特征化Liberty模型。高效、準(zhǔn)確的庫(kù)特征提取是全芯片或模塊級(jí)設(shè)計(jì)流程的關(guān)鍵步驟之一,因?yàn)樗艽_保所有庫(kù)單元在所有預(yù)期工作條件下按規(guī)范運(yùn)行。但由于特征化數(shù)據(jù)的復(fù)雜性和數(shù)量,傳統(tǒng)的庫(kù)特征提取和驗(yàn)證在計(jì)算和工程工作量方面的成本變得越來(lái)越高昂。

b50353d6-c336-11ef-9310-92fbcf53809c.png

傳統(tǒng)的庫(kù)特征提取流程

隨著特征提取需求逐漸超越傳統(tǒng)方法的可擴(kuò)展性,發(fā)生進(jìn)度延遲、特征提取結(jié)果驗(yàn)證不完整以及因芯片失效導(dǎo)致重新設(shè)計(jì)的風(fēng)險(xiǎn)與日俱增。

傳統(tǒng)的庫(kù)特征提取方法依靠簡(jiǎn)單粗暴的仿真來(lái)生成所有特征化結(jié)果。由于需要的仿真數(shù)量不斷增加,特征提取需求開(kāi)始令這一方法不堪重負(fù)。過(guò)長(zhǎng)的特征提取運(yùn)行時(shí)間是導(dǎo)致生產(chǎn)計(jì)劃日益延長(zhǎng)的主要原因之一,與此同時(shí),為提升處理能力而進(jìn)行的精度折衷有可能導(dǎo)致過(guò)度設(shè)計(jì),進(jìn)而產(chǎn)生糟糕的功耗、性能和面積指標(biāo)。

庫(kù)驗(yàn)證同樣面臨這樣的艱巨挑戰(zhàn)。第一代庫(kù)驗(yàn)證工具提供基于規(guī)則的靜態(tài)檢查,而且無(wú)法檢測(cè)到許多嚴(yán)重問(wèn)題和數(shù)據(jù)異常值。調(diào)試和修復(fù)Liberty模型問(wèn)題需要結(jié)合使用驗(yàn)證工具的輸出和內(nèi)部腳本,方能解析和理解庫(kù)的出錯(cuò)日志。這些因素疊加在一起,致使Liberty文件的驗(yàn)證過(guò)程不僅冗長(zhǎng)而且不完整,從而導(dǎo)致進(jìn)度延遲,并有可能需要重新設(shè)計(jì)。

基于革命性的創(chuàng)新方法,通過(guò)數(shù)學(xué)建模和機(jī)器學(xué)習(xí)實(shí)現(xiàn)快速、精確的庫(kù)特征提取和驗(yàn)證。這些方法可顯著加快特征提取的速度,在所有工藝、電壓和溫度(PVT)條件下都能將具有產(chǎn)品級(jí)精度的針對(duì)整個(gè)庫(kù)的特征提取速度提高2-4倍,而且還能近乎即時(shí)地為更多PVT生成特征提取數(shù)據(jù)。

對(duì)于庫(kù)驗(yàn)證,一種支持機(jī)器學(xué)習(xí)的驗(yàn)證方法可以始終以檢測(cè)特征化數(shù)據(jù)中的異常值來(lái)識(shí)別Liberty模型問(wèn)題的新分類(lèi)。信息可視化輔助方法大幅簡(jiǎn)化了調(diào)試和修復(fù)問(wèn)題的過(guò)程,將完整的Liberty驗(yàn)證所需的時(shí)間從幾周縮短至幾個(gè)小時(shí)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:使用機(jī)器學(xué)習(xí)改善庫(kù)特征提取的質(zhì)量和運(yùn)行時(shí)間

文章出處:【微信號(hào):Mentor明導(dǎo),微信公眾號(hào):西門(mén)子EDA】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    如何縮短Vivado的運(yùn)行時(shí)間

    在Vivado Implementation階段,有時(shí)是有必要分析一下什么原因?qū)е?b class='flag-5'>運(yùn)行時(shí)間(runtime)過(guò)長(zhǎng),從而找到一些方法來(lái)縮短運(yùn)行時(shí)間。
    的頭像 發(fā)表于 05-29 14:37 ?1.5w次閱讀
    如何縮短Vivado的<b class='flag-5'>運(yùn)行時(shí)間</b>

    如何檢查L(zhǎng)inux服務(wù)器的運(yùn)行時(shí)間

    Linux 中的 uptime 用于查看系統(tǒng)啟動(dòng)后的運(yùn)行時(shí)間。它是一個(gè)比較簡(jiǎn)單的 Linux 命令,可以不帶參數(shù)直接運(yùn)行。
    發(fā)表于 11-25 15:25 ?1.6w次閱讀
    如何檢查L(zhǎng)inux服務(wù)器的<b class='flag-5'>運(yùn)行時(shí)間</b>

    基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法

    機(jī)器學(xué)習(xí)技術(shù)已被廣泛接受,并且很適合此類(lèi)分類(lèi)問(wèn)題?;诰矸e神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進(jìn)行第一次特征提取,然后將此
    發(fā)表于 10-16 11:30 ?828次閱讀
    基于卷積神經(jīng)網(wǎng)絡(luò)的雙重<b class='flag-5'>特征提取</b>方法

    【《時(shí)間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 時(shí)間序列的信息提取

    本人有些機(jī)器學(xué)習(xí)的基礎(chǔ),理解起來(lái)一點(diǎn)也不輕松,加油。 作者首先說(shuō)明了時(shí)間序列的信息提取時(shí)間序列分析的一個(gè)重要環(huán)節(jié),目標(biāo)是從給定的
    發(fā)表于 08-14 18:00

    模擬電路故障診斷中的特征提取方法

    實(shí)驗(yàn)來(lái)確定,因此小波母函數(shù)、小波系數(shù)、小波網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)算法的優(yōu)選問(wèn)題都是亟待解決的問(wèn)題?! 』诠收闲畔⒘康?b class='flag-5'>特征提取  基于故障信息量的特征提取方法是從不同思路考慮的一種新方法。模擬電路運(yùn)行
    發(fā)表于 12-09 18:15

    基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法

    在現(xiàn)有基于已知特征項(xiàng)特征提取算法的基礎(chǔ)上,提出一種基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法。該算法通過(guò)已知特征項(xiàng)搜索頻繁項(xiàng)集,提高了
    發(fā)表于 04-18 09:37 ?17次下載

    故障特征提取的方法研究

    摘要:針對(duì)常規(guī)特征提取方法存在著問(wèn)題不足,提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法,并通過(guò)特征提取實(shí)例加以說(shuō)明。結(jié)果表明這兩種方法是可行和有效的。
    發(fā)表于 03-11 13:14 ?1681次閱讀
    故障<b class='flag-5'>特征提取</b>的方法研究

    基于Gabor的特征提取算法在人臉識(shí)別中的應(yīng)用

    針對(duì)人臉識(shí)別中的特征提取問(wèn)題,提出一種新的基于Gabor的特征提取算法,利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢(shì)來(lái)進(jìn)行特征提取。首先利用Gabor小波變換來(lái)
    發(fā)表于 01-22 14:25 ?54次下載

    C語(yǔ)言教程之顯示程序運(yùn)行時(shí)間

    C語(yǔ)言教程之顯示程序運(yùn)行時(shí)間,很好的C語(yǔ)言資料,快來(lái)學(xué)習(xí)吧。
    發(fā)表于 04-25 16:09 ?0次下載

    基于HTM架構(gòu)的時(shí)空特征提取方法

    針對(duì)人體動(dòng)作識(shí)別中時(shí)空特征提取問(wèn)題,提出一種基于層次時(shí)間記憶( HTM)架構(gòu)的深度學(xué)習(xí)模型,用來(lái)提取圖像幀的時(shí)空特征。將圖像幀構(gòu)建成樹(shù)型節(jié)點(diǎn)
    發(fā)表于 01-17 17:27 ?0次下載
    基于HTM架構(gòu)的時(shí)空<b class='flag-5'>特征提取</b>方法

    機(jī)器學(xué)習(xí)特征提取 VS 特征選擇

    機(jī)器學(xué)習(xí)特征選擇和特征提取區(qū)別 demi 在 周四, 06/11/2020 - 16:08 提交 1. 特征提取 V.S
    的頭像 發(fā)表于 09-14 16:23 ?4398次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>之<b class='flag-5'>特征提取</b> VS <b class='flag-5'>特征</b>選擇

    基于自編碼特征的語(yǔ)音聲學(xué)綜合特征提取

    利用監(jiān)督性學(xué)習(xí)算法進(jìn)行語(yǔ)音増強(qiáng)時(shí),特征提取是至關(guān)重要的步驟?,F(xiàn)有的組合特征和多分辨率特征等聽(tīng)覺(jué)特征是常用的聲學(xué)
    發(fā)表于 05-19 16:33 ?27次下載

    如何高效測(cè)量ECU的運(yùn)行時(shí)間

    ,最終可能會(huì)引起運(yùn)行時(shí)間方面的問(wèn)題。這在項(xiàng)目后期需要大量的時(shí)間和金錢(qián)來(lái)解決。如果不能掌握系統(tǒng)的運(yùn)行狀態(tài),則很難發(fā)現(xiàn)系統(tǒng)內(nèi)缺陷的根源。 解決方案 將TA軟件工具套件與VX1000測(cè)量標(biāo)定硬件相結(jié)合,可同步分析 ECU內(nèi)部
    的頭像 發(fā)表于 10-28 11:05 ?2534次閱讀

    ch32v307記錄程序運(yùn)行時(shí)間

    ch32v307記錄程序運(yùn)行時(shí)間 在程序開(kāi)發(fā)中,很重要的一項(xiàng)任務(wù)就是對(duì)程序的運(yùn)行時(shí)間進(jìn)行評(píng)估。對(duì)于大型的程序系統(tǒng)來(lái)說(shuō),它們通常需要處理大量的數(shù)據(jù)或進(jìn)行復(fù)雜的計(jì)算操作。因此,如果程序的運(yùn)行時(shí)間過(guò)長(zhǎng)
    的頭像 發(fā)表于 08-22 15:53 ?1246次閱讀

    MES如何幫助增加機(jī)器正常運(yùn)行時(shí)間

    ? ? ? ?實(shí)施制造執(zhí)行系統(tǒng)(MES)的好處很多。其中,MES軟件可以通過(guò)多種方式幫助增加機(jī)器的正常運(yùn)行時(shí)間。正常運(yùn)行時(shí)間是指制造機(jī)械或設(shè)備的效率和可用性。每當(dāng)機(jī)器停機(jī)(無(wú)論原因如何
    發(fā)表于 11-14 15:28 ?2次下載