Հրապարակման մանրամասներ:

Լույս է տեսնում 1948 թվականից՝ տարին 4 անգամ։

Ամսագրի կամ հրապարակման վերնագիր:

ՀՀ ԳԱԱ և ՀԱՊՀ Տեղեկագիր. Տեխնիկական գիտություններ =Proceedings of the NAS RA and NPUA: Technical Sciences

Հրապարակման ամսաթիվ:

2018

Հատոր:

71

Համար:

4

ISSN:

0002-306X

Պաշտոնական URL:

Այլ վերնագիր:

Մեքենայական ուսուցման կիրառումը հիշողության ներկառուցված ինքնաթեստավորման ցանցի նախագծային բնութագրերի գնահատման համար; Применение машинного обучения для оценки дизайн-характеристик сети внедренной системы самотестирования памяти

Աջակից(ներ):

Պատ․ խմբ․՝ Ա․ Գ․ Նազարով (1957-1964) ; Մ․ Վ․ Կասյան (1964-1988) ; Ռ․ Մ․ Մարտիրոսյան (1989-2017 ) ; Գլխավոր խմբ․՝ Վ․ Շ․ Մելիքյան (2018-)

Ծածկույթ:

495-502

Ամփոփում:

For embedded memories’ built-in self-test (BIST) and repair systems, one of the most critical design constraints are the gate count and power consumption. This article introduces an automated method for design characteristics estimation of the memory BIST network based on machine learning algorithms. Ներկառուցված հիշողությունների ինքնաթեստավորման և ինքնավերանորոգման համակարգի ամենակարևոր նախագծային սահմանափակումներն են տարրերի քանակը և հզորության սպառումը։ Ներկայացվում է նախագծային բնութագրերի ավտոմատ գնահատման մեթոդ՝ հիշողության ներկառուցված ինքնաթեստավորման ցանցի համար, հիմնված մեքենայական ուսուցման ալգորիթմների վրա։ Для встроенных систем тестирования (BIST) и восстановления памяти одним из наиболее важных ограничений дизайна являются количество вентилей и энергопотребление. Представлен автоматизированный метод оценки дизайн-характеристик сети внедренной системы самотестирования памяти на основе алгоритмов машинного обучения.

Հրատարակության վայրը:

Երևան

Հրատարակիչ:

ՀՀ ԳԱԱ հրատ.

Ստեղծման ամսաթիվը:

2018-05-09

Ձևաչափ:

pdf

Նույնացուցիչ:

oai:arar.sci.am:33202

Դասիչ:

АЖ 413

Թվայնացում:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Բնօրինակի գտնվելու վայրը:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան