تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار خطا (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 الکتریکی این است که برای هر قطعه برنامه ای خاص صورت می گیرد و تغییر قطعه، تغییر برنامه را در پی دارد. شبکه های عصبی مصنوعی قابلیت تطبیق پذیری لازم، برای انجام عمل خاص در حین آموزش را دارند، در نتیجه با تغییر مدار، فقط بانک اطلاعاتی ورودی به شبکه تغییر خواهد کرد و نیاز به برنامخ 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 منظور ضمانت کیفیت آنها انجام میشود، از بین ببریم. برای رسیدن به اهداف مذکور، از شبکه عصبی پرسپترون چند لایه و دو الگوریتم مشهور تابع شعاعی (RBF) و پس انتشار خطا (BP) استفاده خواهیم کرد.

Keywords:

فیلتر میان گذر فعال , تشخیص خطا , شبکه عصبی مصنوعی , پرسپترون چند لایه , الگوریتم پس انتشار خطا , الگوریتم تابع شعاعی