文献

J-GLOBAL ID：202202242224896091   整理番号：22A0134824

機械学習を用いた複数故障モデルの故障診断

Fault Diagnosis of Multiple Fault Models Using Machine Learning

著者 (5件)： 山内崇矢 (愛媛大 大学院理工学研究科) ,  稲元勉 (愛媛大 大学院理工学研究科) ,  WANG S. (愛媛大 大学院理工学研究科) ,  樋上喜信 (愛媛大 大学院理工学研究科) ,  高橋寛 (愛媛大 大学院理工学研究科)
資料名： 電気・電子・情報関係学会四国支部連合大会講演論文集(CD-ROM)  (Shikoku-Section Joint Convention Record of the Institutes of Electrical and Related Engineers (CD-ROM))
巻： 2021  ページ： ROMBUNNO.10-9  発行年： 2021年09月18日 
JST資料番号： L1738B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

本文一部表示： 1.はじめに.近年,LSI設計・製造技術の発展により,LSIの規模が増大し複雑化している.多くのシステムにはLSIが組み込まれているが,LSIに故障が発生した場合,多大な被害を起こす可能性もあるため,高い信頼性が求められている.高信頼性の実...【本文一部表示】

シソーラス用語： ベクトル ,  *学習 ,  *故障 ,  LSI【IC】 ,  *故障診断 ,  ニューラルネットワーク ,  テストパターン ,  人工知能 ,  ハードウェア ,  *機械学習 ,  縮退故障 ,  *故障モデル ,  ベンチマーク回路
準シソーラス用語： 故障シミュレーション ,  高信頼性 , 【Automatic Indexing@JST】

分類 (1件)： 固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (3件)： 機械学習 ,  故障モデル ,  故障診断