本项研究将人工神经网络模型应用于集成电路布图设计全过程,提出了有关电路划分、布局、布线和通孔最少化的新算法六种。在电路划分中,把模糊聚类思想引入自组织网络的学习过程;在单元布局中,用面向线网的模型代替面向单元的模型;在通孔最少化中,用Hopfield网络模型处理着色问题,并考虑了多种来自实际的约束。这些研究都取得的比国外同类研究更好的结果,并且其性能超过了常用的非人工神经网络方法,因而具有良好的应用前景。这些算法具有速度快、优化程度高而且便于硬件直接实现的特点,达到了国际先进水平。因此,本项研究不仅对推广人工神经网络模型的应用有大的学术意义,而且对集成电路布图设计自动化水平的提高也有很大的实用价值。
{{i.achievement_title}}
数据更新时间:2023-05-31
A Fast Algorithm for Computing Dominance Classes
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Numerical investigation on aerodynamic performance of a bionics flapping wing
Seismic performance evaluation of large-span offshore cable-stayed bridges under non-uniform earthquake excitations including strain rate effect
人工神经网络模型及其在布图与字符识别中的应用
集成电路机辅布图设计中的优化算法
集成电路布图(LAYOUT)CAD的算法研究
深亚微米集成电路的布图方法研究