文献

J-GLOBAL ID：201702286081670032   整理番号：17A0392195

動径基底関数ニューラルネットワーク(多)に基づく多重装置学習装置の異常検出を研究した。【JST・京大機械翻訳】

Multi-Instance Learning Based Radial Basis Function Neural Network for Etching Fault Detection

著者 (2件)： Yang Jungang (School of Mechanical Engineering, Shanghai Jiaotong University) ,  Zhang Jie (School of Mechanical Engineering, Shanghai Jiaotong University)
資料名： Shanghai Jiaotong Daxue Xuebao  (Shanghai Jiaotong Daxue Xuebao)
巻： 50  号： 12  ページ： 1816-1822  発行年： 2016年 
JST資料番号： W1060A  ISSN： 1006-2467  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ウエハ製造システムのエッチングプロセスにおける「時間-ウエハ-装置パラメータ」の三次元構造データによる従来の分析方法の応用が困難な問題を解決するために、多例学習の動径基底関数(RBF)ニューラルネットワークに基づく異常検出方法を提案した。この方法は,常規点の間の距離不整合の問題を解決することができず,距離計算の方法を改良して,異常データを含むデータを含むデータを訓練して,検出することができた。実験設計理論を用いてニューラルネットワークのパラメータを最適化し、交差検証方法を用いて採集したエッチング設備の運行データをウエハ加工バッチによって異なる実例に分け、RBFネットワークの訓練とテストデータとして、装置の異常を検出し、検出の安定性を向上させた。実験結果により、この方法は多変量多変量情況下の設備異常を識別でき、エッチング設備の運行過程中の多種製品の共存状況下での異常検出に適していることが分かった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 不整合 ,  *多重装置 ,  エッチング ,  *学習 ,  *動径基底関数 ,  実験計画法 ,  動径基底関数ネットワーク ,  *ニューラルネットワーク ,  最適化
準シソーラス用語： 多変量 ,  試験データ ,  三次元構造 ,  ウエハー製造 ,  *異常検出 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： fault detection ,  multi-instance learning ,  radial basis function (RBF) neural network ,  etch ,  semiconductor wafer fabrication system

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 動径基底関数ニューラルネットワーク ,  多重装置 ,  学習 ,  異常検出 ,  研究