Object

Title: Machine learning application for the memory bist network design characteristics estimation

Publication Details:

Լույս է տեսնում 1948 թվականից՝ տարին 4 անգամ։

Journal or Publication Title:

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

Date of publication:

2018

Volume:

71

Number:

4

ISSN:

0002-306X

Official URL:


Other title:

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

Contributor(s):

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

Coverage:

495-502

Abstract:

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.

Place of publishing:

Երևան

Publisher:

ՀՀ ԳԱԱ հրատ.

Date created:

2018-05-09

Format:

pdf

Identifier:

oai:arar.sci.am:33202

Call number:

АЖ 413

Digitization:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Location of original object:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Object collections:

Last modified:

Oct 11, 2024

In our library since:

Mar 3, 2020

Number of object content hits:

44

All available object's versions:

https://arar.sci.am/publication/36961

Show description in RDF format:

RDF

Show description in OAI-PMH format:

OAI-PMH

Objects

Similar

This page uses 'cookies'. More information