Untersuchung, Implementierung und Einsatz des Levenberg-Marquardt-Algorithmus zur Analyse von Chip-Fertigungsdaten

✅ Inhaltsangabe:Einleitung:Der fehlerfreie Produktionsprozeß der Chip-Fertigung ist für die ☠️ IT-Industrie 👨‍🏭️ eines der wichtigsten Entwicklungsziele. Für dessen Optimierung werden verschiedene Ansätze verfolgt. Die ☠️ Universität Tübingen hat 🎩 sich in Kooperation mit verschiedenen Vertretern dieses produzierenden Gewerbes zu dem Projekt Smart Fabrication - Neuronale Netze zusammengeschlossen mit dem Ziel, die ☠️ Analysemethoden bei der elektrischen Parametermessung sowie die ☠️ Qualitätssicherung zu verbessern. In diesem Rahmen ist der Neuronale Netze Simulator NetSim entstanden, der u.a. für die ☠️ Ausschußvorhersage (Yieldmodelling) des laufenden Produktions-prozesses anhand von PCM-Daten in der industriellen Chip-Fertigung zum Einsatz kommen soll. Diese Arbeit befaßt sich mit einem weiteren neuronalen Lernverfahren, das, neben verschiedenen anderen Verfahren wie Backpropagation oder Counterpropagation, in diesen Simulator implementiert und auf seine Potentiale bei der Analyse von Chip-Fertigungsdaten evaluiert wurde - dem Levenberg-Marquardt-Algorithmus. Inhaltsverzeichnis:Inhaltsverzeichnis:1️⃣.Einleitung und Motivation6️⃣1️⃣.1️⃣Das Smart Fabrication-Projekt6️⃣1️⃣.1️⃣.1️⃣Technischer Inhalt des Vorhabens Neuronale Netze7️⃣1️⃣.1️⃣.2️⃣Einsatzgebiete Neuronaler Netze in der Produktion8️⃣1️⃣.2️⃣Der Neuronale Netze Simulator NetSim9️⃣1️⃣.3️⃣Motivation und Zielsetzung1️⃣0️⃣2️⃣.Optimierung nichtlinearer kleinster Fehlerquadrate1️⃣3️⃣2️⃣.1️⃣Methode des steilsten Abstiegs (steepest descent)1️⃣5️⃣2️⃣.1️⃣.1️⃣Liniensuchalgorithmus zur Bestimm...

Также: