前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考
一、问题本质
1.高度不平衡
一般来讲每平方毫米有10个热点，但是却有数百万个拓扑需要评估以便分类
2.非热点被错误分类的可接受数量
初步研究得出的结果准确率达到99%是可以接受的，但如此高的准确率，每平方毫米需要在数百万个位置进行分析，不切实际
3.Runtime requirements
评估的方法需要在1 CPU-hrs/mm2的性能范围内（每平方毫米面积所需的CPU计算时间），才能具有吸引力
4.前期工作
每平方毫米
100
个误报(
false alarms
)，认为这是目前在追求超过 80%
命中率时，可以达到的最低“噪声”水平。左边要达到99%准确率监测点密密麻麻，中间是减少监测点，右边是在1平方毫米内100个误报的展示
小结：主要的挑战仍然是无法将候选热点的数量减少到一个较好的推理时间
二、数据提供
有1个23纳米制程和4个28纳米制程的数据集，格式是GDS and OASIS
图像化处理好的数据集下载链接 iccad_official.rar - Google 云端硬盘
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
