为提高船舶设计质量管理水平,以某满足《协调共同结构规范》(Harmonized Common Structure Rule,HCSR)的巴拿马型散货船为研究对象,利用计划、执行、检查、处理(Plan,Do,Check,Act,PDCA)循环法基本原则对设计质量进行管控,并建立同一船...为提高船舶设计质量管理水平,以某满足《协调共同结构规范》(Harmonized Common Structure Rule,HCSR)的巴拿马型散货船为研究对象,利用计划、执行、检查、处理(Plan,Do,Check,Act,PDCA)循环法基本原则对设计质量进行管控,并建立同一船型设计质量管理体系。此外,对船舶能效指数(Energy Efficiency Design Index,EEDI)提升和结构轻量化设计的研讨方法进行分析。研究成果可为船舶设计质量管理提供一定参考。展开更多
在先进工艺下,VLSI布线产生设计规则违例(DRC)的原因十分复杂,这使得全局布线的拥塞度不再能准确地反映DRC的分布。针对这个问题,提出了一种基于深度学习的预测布线违例分布的方法。该方法只使用布局阶段的引脚、线网和宏模块等版图信...在先进工艺下,VLSI布线产生设计规则违例(DRC)的原因十分复杂,这使得全局布线的拥塞度不再能准确地反映DRC的分布。针对这个问题,提出了一种基于深度学习的预测布线违例分布的方法。该方法只使用布局阶段的引脚、线网和宏模块等版图信息作为特征和CSMOTE算法平衡数据集,无需进行全局布线,然后使用卷积神经网络对数据进行训练,最后用训练模型预测M2 short和cut group space布线违例的分布。该方法在一个采用先进工艺的真实工业设计上进行了测试。结果显示,该方法预测M2 short的准确率为93.4%,F1值为0.78;预测cut group space的准确率为92.5%,F1值为0.78。展开更多
文摘在先进工艺下,VLSI布线产生设计规则违例(DRC)的原因十分复杂,这使得全局布线的拥塞度不再能准确地反映DRC的分布。针对这个问题,提出了一种基于深度学习的预测布线违例分布的方法。该方法只使用布局阶段的引脚、线网和宏模块等版图信息作为特征和CSMOTE算法平衡数据集,无需进行全局布线,然后使用卷积神经网络对数据进行训练,最后用训练模型预测M2 short和cut group space布线违例的分布。该方法在一个采用先进工艺的真实工业设计上进行了测试。结果显示,该方法预测M2 short的准确率为93.4%,F1值为0.78;预测cut group space的准确率为92.5%,F1值为0.78。