一种基于机器学习的电路路径延时波动预测方法[发明专利]

专利名称：一种基于机器学习的电路路径延时波动预测方法专利类型：发明专利
发明人：曹鹏,徐冰倩,郭静静,李梦潇,杨军
申请号：CN201810940335.X
申请日：20180817
公开号：CN109255159A
公开日：
20190122
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于机器学习的电路路径延时波动预测方法，包括以下步骤：S1：通过分析电路特征与路径延时的关系选择合适的样本特征量；S2：通过枚举随机化参数的值生成随机路径，通过对随机路径进行蒙特卡洛仿真获得路径最大延时，通过3σ标准选取可靠路径，将可靠路径的样本特征量以及路径延时作为样本集；S3：建立路径延时预测模型，调整模型参数；S4：验证路径延时预测模型的精度和稳定性；S5：得到路径延时。

本发明具有高精度和低运行时间的优点，在时序分析准确性和效率方面优势显著。

申请人：东南大学
地址：211189 江苏省南京市江宁区东南大学路2号
国籍：CN
代理机构：南京苏高专利商标事务所(普通合伙)
代理人：饶欣
更多信息请下载全文后查看。