تست مدار فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار (BP) و تابع پایه شعاعی (RBF)

نقایص کوچک در تغییر عناصر نسبت به مقدار نامیشان در مدارها باعث بروز خطا و خرابی در کل مدار می شود. به همین دلیل تشخیص و مکان یابی نقص در مدارهای آنالوگ به یک مسئله پیچیده تبدیل شده است. یکی از مشکلات الگوریتم های آزمون مدارات الکترونیکی این است که برای هر قطعه برنامه ای خاص صورت می گیرد و تغییر قطعه، تغییر برنامه را در پی دارد. شبکه هاب عصبی مصنوعی قابلیت تطبیق پذیری ازم، برای انجام عمل خاص در حین آموزش را دارند. در نتیجه با تغییر مدار، فقط بانک اطلاعاتی ورودی به شبکه تغییر خواهد کرد و نیار به برنامه نویسی مجدد نمی باشد. با توجه به مطالب ذکر شده هدف اصلی این مقاله فراهم آوردن الگوریتم تشخیص بر اساس خطای مولفه های مدار و همچنین کاهش هزینه و زمان تست مدار می باشد. علاوه بر این با این روش می توانیم چالش های مربوط به تست کردن بوردهای الکترونیکی که به نمظور ضمانت کیفیت آنها انجام می شود، از بین ببریم. برای رسیدن به اهداف مذکور، از شبکه عصبی پرسپرون چند لایه و دو الگوریتم مشهور تابع پایه شعاعی(RBF) و پس انتشار خطا (BP) استفاده خواهیم کرد

کلیدواژه ها:

فیلتر میان گذر زمان ، تشخیص خطا ، شبکه عصبی مصنوعی ، پرسپرون چند لایه ، الگوریتم پس انتشار خطا ، الگوریتم شعاعی