مجله علمی  رایانش نرم و فناوری اطلاعات

مجله علمی رایانش نرم و فناوری اطلاعات

یک مدل مبتنی بر یادگیری تجمیعی برای پیش‌بینی قابلیت اطمینان مدارهای دیجیتال

نوع مقاله : مقاله پژوهشی انگلیسی

نویسندگان
1 دانشکده مهندسی کامپیوتر، دانشگاه صنعتی سیرجان، سیرجان، ایران
2 دانشکده مهندسی کامپیوتر، دانشگاه سیرجان، سیرجان، ایران
10.22034/jscit.2026.581004.2253
چکیده
قابلیت اطمینان، یکی از مسائل ضروری برای مدارهای دیجیتال است. ازاین‌رو، ارزیابی قابلیت اطمینان مدارها پیش از آغاز به کار آن‌ها اهمیت بسیاری دارد. مطالعات متعددی برای تحلیل و پیش‌بینی قابلیت اطمینان مدارها انجام شده است که الگوریتم‌های یادگیری ماشین به‌عنوان رویکردی نوین برای پیش‌بینی قابلیت اطمینان مدارها مطرح شده‌اند. هدف این مقاله، تولید یک مجموعه داده برای مدارهای آرایه گیتی برنامه‌پذیر(FPGA) مبتنی بر SRAM و ارائه یک روش یادگیری تجمیعی برای پیش‌بینی قابلیت اطمینان مدار است. مجموعه داده تولیدشده بر اساس یک مطالعه قبلی بوده و شامل ۳۴۲ سطر داده با ۸ ویژگی به عنوان ورودی و قابلیت اطمینان به عنوان خروجی است. مدل تجمیعی پیشنهادی، دو زیرمدل شامل یک مدل رگرسیون گرادیان بوستینگ و یک مدل یادگیری عمیق با چهار لایه پنهان را ترکیب می‌کند. نتایج این دو زیرمدل با استفاده از مجموع وزن‌دار ترکیب شده‌اند. روش پیشنهادی با چندین روش مختلف یادگیری ماشین پایه مقایسه شده است. مقایسه نتایج، نشان می‌دهد که روش یادگیری تجمیعی پیشنهادی با کسب مقدار R2=98.5% وRMSE=3.6% ، بهترین عملکرد را داشته است.
کلیدواژه‌ها


مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 19 آبان 1405