文献

J-GLOBAL ID：202202276706756481   整理番号：22A0773477

ウエハビンマップパターン分類のための重み付き多数性を持つアンサンブル畳込みニューラルネットワーク【JST・京大機械翻訳】

Ensemble convolutional neural networks with weighted majority for wafer bin map pattern classification

著者 (3件)： Hsu Chia-Yu (Department of Industrial Engineering and Management, National Taipei University of Technology, Taipei, Taiwan) ,  Chien Ju-Chien (Department of Computer Science, National Tsing Hua University, Hsinchu, Taiwan) ,  Chien Ju-Chien (Artificial Intelligence for Intelligent Manufacturing Systems (AIMS) Research Center, Ministry of Science & Technology, Hsinchu, Taiwan)
資料名： Journal of Intelligent Manufacturing  (Journal of Intelligent Manufacturing)
巻： 33  号： 3  ページ： 831-844  発行年： 2022年 
JST資料番号： W0196A  ISSN： 0956-5515  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ウエハビンマップ(WBM)はプロセス異常に関する重要な情報を提供し,半導体製造における低収率問題の診断を容易にする。WBM分類と解析のほとんどの研究は,生ウエハデータと抽出特徴で動作する統計的ベース法または機械学習法を適用する。WBMパターン多様性と複雑性の増加とともに,有効なWBM認識のための有用な特徴はドメイン知識に大きく依存した。本研究では,WBMパターン分類のためのアンサンブル畳込みニューラルネットワーク(ECNN)フレームワークを提案し,その中で重み付き大多数関数を採用して,より高い予測性能を持つベース分類器に対するより高い重みを選択した。ウエハ製作プロセスからの産業用WBMデータセット(すなわち,WM-811K)を用いて,提案したECNNフレームワークの有効性を実証した。提案したECNNは,線形回帰,ランダムフォレスト,勾配ブースティングマシン,および人工ニューラルネットワークのような,精度,リコール,F1および他の従来の機械学習分類器に関して優れた性能を有する。実験結果は,提案したECNNフレームワークが一般的なWBM欠陥パターンを効果的に同定できることを示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *分類 ,  *ニューラルネットワーク ,  *パターン分類 ,  多数決論理 ,  *ウエハ【IC】 ,  計算機アルゴリズム ,  有効性 ,  生産工程 ,  機械学習 ,  ドメイン知識
準シソーラス用語： 線形回帰 ,  複雑性 ,  ランダムフォレスト ,  半導体製造 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： ウエハビンマップ ,  深層学習 ,  畳込みニューラルネットワーク ,  アンサンブル分類 ,  重み付き多数決 ,  半導体製造

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 分類 ,  アンサンブル ,  畳込みニューラルネットワーク