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

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

Electrical engineering; Electronics; Nuclear engineering ; Technology

Մարտիրոսյան Լ. Ա. ; Мартиросян Л. А. ; RTL compiler ; gate count ; power consumption ; characteristics ; machine learning

495-502

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.

Երևան