Индивидуальное прогнозирование параметров элементов и компонентов микросборок и узлов радиоэлектронных устройств передачи информации

• Автор: Карпов, Олег Владимирович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Самара
• Количество страниц: 207 с. : ил.

1. СОСТОЯНИЕ ВОПРОСА. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЙ. ОБЗОР
МЕТОДОВ ПРОГНОЗИРОВАНИЯ
1.1. Метод прогнозирования с использованием регрессионной модели
1.2. Метод экстраполяции
1.3. Использование теории распознавания образов
1.3.1. Основные задачи адаптивного распознавания образов
1.3.2. Метод дискриминантных функций
1.3.3. Метод потенциальных функций
1.3.4. Метод классификации с оценкой значимости признаков
1.3.5. Метод сравнения с прототипом
1.3.6. Метод к-ближайших соседей
1.3.7. Алгоритмы вычисления оценок ("голосования")
1.3.8. Коллективы решающих правил
1.4. Использование принципов нейронных сетей
1.5. Сравнительный анализ методов прогнозирования
1.6. Обзор операторов прогнозирования качества ЭРИ
1.7. Обзор программных средств прогнозирования
1.8. Краткие выводы и постановка задач
2. УПРАВЛЕНИЕ КАЧЕСТВОМ ЭЛЕМЕНТОВ И КОМПОНЕНТОВ
МИКРОСБОРОК НА ЭТАПЕ ИНДИВИДУАЛЬНОГО
ПРОГНОЗИРОВАНИЯ
2.1. Структурная модель управления качеством микросборок
2.2. Критерии информативности признаков
2.3. Отбор информативных параметров
2.4. Технология проведения испытаний
2.5. Методика проведения обучающего эксперимента
2.6.Виды отказов полупроводниковых приборов
2.6.1. Полупроводниковые диоды и стабилитроны
2.6.2. Транзисторы биполярные
2.6.3. Транзисторы полевые
2.7. Дефекты конденсаторов
2.8. Виды отказов резисторов
3. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРОГНОЗИРОВАНИЯ
3.1. Выбор языка программирования
3.2. Выбор ЭВМ
3.3. Разработка алгоритма программы
3.4. Состав модулей программы
3.5. Описание работы с программой
4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И ИХ АНАЛИЗ
4.1. Программа экспериментальных исследований
4.2. Методика экспериментальных исследований
4.3. Разработка операторов прогнозирования качества ЭРИ
4.3.1. Исследование выборки конденсаторов
4.3.2. Исследование выборки стабилитронов
4.3.3. Исследование выборки резисторов
4.4. Выводы
ОБЩИЕ ВЫВОДЫ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЕ 1. Текст программы модуля МАИЧ.РАБ
ПРИЛОЖЕНИЕ 2. Текст программы модуля АВОиТ.РАБ
ПРИЛОЖЕНИЕ 3. Текст программы модуля ОИАРНРА11АМ.РА8
ПРИЛОЖЕНИЕ 4. Текст программы модуля ЦМАТК.РАБ
ПРИЛОЖЕНИЕ 5.1. Выборка параметров конденсаторов, используемая для обучения и прогнозирования
ПРИЛОЖЕНИЕ 5.2. Промежуточные результаты работы программы для
логарифмической квазидетерминированной модели
ПРИЛОЖЕНИЕ 5.3. Результаты индивидуального прогнозирования по
эвристическим критериям
ПРИЛОЖЕНИЕ 6. Акты внедрения основных результатов диссертационной

большинства этих методов их программная реализация отсутствует, и это глубоко закономерно, можно даже сказать "предопределено" характеристиками самих методов распознавания. Об этом можно судить по тому, что такие системы мало упоминаются в специальной литературе и других источниках информации.
Следовательно, остается недостаточно разработанным вопрос о практической применимости тех или иных теоретических методов распознавания для решения практических задач при реальных (т.е. довольно значительных) размерностях данных и на реальном современном аппаратном обеспечении.
Вышеупомянутое обстоятельство может быть понято, если напомнить, что сложность математической модели экспоненциально увеличивает трудоемкость программной реализации системы и в такой же степени уменьшает шансы на то, что эта система будет практически работать. Это означает, что реально на рынке можно реализовать только такие программные системы, в основе которых лежат достаточно простые и "прозрачные" математические модели. Поэтому разработчик, заинтересованный в тиражировании своего программного продукта, подходит к вопросу о выборе математической модели не с чисто научной точки зрения, а как прагматик, с учетом возможностей программной реализации. Он считает, что модель должна быть как можно более простой, а значит реализоваться с меньшими затратами и более качественно, а также должна обязательно работать (быть практически эффективной).
В этой связи особенно актуальной представляется задача реализации в системах распознавания механизма обобщения описаний объектов, относящихся к одному классу, т.е. механизма формирования компактных обобщенных образов. Очевидно, что такой механизм обобщения позволит "сжать" любую по размерности обучающую выборку к заранее известной по размерности базы обобщенных образов. Это позволит также поставить и решить ряд задач, которые даже не могут быть сформулированы в таких