公开(公告)号：CN119691415A

公开(公告)日：2025-03-25

申请号：CN202411498420.7

申请日：2024-10-25

Applicant: 扬州大学

Inventor： 刘洋 ,  吕世卿 ,  薛玉雄 ,  曹荣幸 ,  韩丹 ,  郑澍 ,  李波 ,  曾祥华

IPC: G06F18/21 ,  G06F18/214 ,  G06N3/06 ,  G06N3/048

Abstract: 本发明公开了一种基于神经网络的射频微系统三维封装工艺良率预测方法，首先，将射频微系统封装工艺流程划分为四个关键工艺步骤，收集各步骤中涉及的工艺参数与相应的良率信息；然后构建多层次神经网络架构，包括四个子网络和一个主网络，四个子网络分别对应封装过程中的四个关键工艺步骤，根据输入的工艺参数与相应的良率信息，预测出各关键工艺步骤的良率，主网络整合四个子网络的输出和输入参数，对整个射频微系统封装工艺良率进行最终预测；最后将多层次神经网络架构集成到射频微系统的三维封装工艺管理系统中，进行实时良率预测和预警，优化调整工艺流程，提高封装工艺的成功率，减少因缺陷导致的成品失效，最终提高生产效率和经济效益。

公开(公告)号：CN118551643A

公开(公告)日：2024-08-27

申请号：CN202410608965.2

申请日：2024-05-16

Applicant: 扬州大学

Inventor： 曹荣幸 ,  吕世卿 ,  薛玉雄 ,  翟建青 ,  蒋煜琪 ,  曾祥华 ,  刘洋 ,  李红霞 ,  韩丹 ,  郑澍

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/082 ,  G06F18/27 ,  G06F18/15 ,  G06F18/214 ,  G06F18/21 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明公开了一种基于LSTM的仪表放大器电离总剂量效应预测方法，包括：通过实验获取仪表放大器电离总剂量效应的实验数据，将实验数据分为训练集和测试集，然后进行归一化处理，再将归一化后的实验数据处理成能够输入LSTM的时序序列；通过Attention机制，将时序序列中的向量乘对应不同的参数矩阵后输入到LSTM中，通过输入门、遗忘门和输出门对输入数据进行筛选；采用五折交叉验证来确定LSTM的隐藏层中最佳神经元数量和训练轮数；加入dropout机制层来避免过拟合问题；神经网络训练完成后，通过决定系数R2对模型进行评估；利用达到精度需求的LSTM模型进行总剂量辐照衰退数据外推预测。

公开(公告)号：CN116976278A

公开(公告)日：2023-10-31

申请号：CN202310938014.7

申请日：2023-07-27

Applicant: 扬州大学

Inventor： 刘洋 ,  姜梦夏 ,  赵雪薇 ,  邢朝洋 ,  单光宝 ,  李兴冀 ,  薛玉雄 ,  徐鑫 ,  吕世卿 ,  夏阳晶

IPC: G06F30/398 ,  G06F30/367 ,  G06F30/394 ,  G06N3/0464 ,  G06N3/084 ,  G06F115/12

Abstract: 本发明公开了一种基于神经网络的互连结构工作温度及电流密度预测方法。该方法将机器学习方法应用于封装领域，充分利用历史实验和有限元仿真数据，通过数据驱动的方法得到输入(焊点高度、焊盘直径、通电电流)到输出(焊点处电流密度/工作温度)的非线性映射关系。具体为设计一种互连结构，通过有限元仿真得到不同参数下几十组工作温度和电流密度的数据，然后利用这些数据构造并训练BP神经网络模型。训练好的模型在给定输入下可预测出电流密度和工作温度。本发明方法成本低且耗时短，同时随着实验以及仿真数据的增多，模型会学习到更多数据间的关系，变得更加强大，预测也将会更加准确。