Fugu-MT 論文翻訳(概要): Defect Detection on Semiconductor Wafers by Distribution Analysis

論文の概要: Defect Detection on Semiconductor Wafers by Distribution Analysis

arxiv url: http://arxiv.org/abs/2111.03727v1
Date: Fri, 5 Nov 2021 21:00:22 GMT
ステータス: 処理完了
システム内更新日: 2021-11-11 06:05:52.955362
Title: Defect Detection on Semiconductor Wafers by Distribution Analysis
Title（参考訳）: 分布解析による半導体ウェハの欠陥検出
Authors: Thomas Olschewski
Abstract要約: 提案アルゴリズムは, 製品種別10万チップ近いウエハ加工から実世界の計測データに適用された。我々のアプローチは、高速(準線形)であり、実世界のウエハデータに対する優れた予測や検出品質に到達したという点で興味深い。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A method for object classification that is based on distribution analysis is proposed. In addition, a method for finding relevant features and the unification of this algorithm with another classification algorithm is proposed. The presented classification algorithm has been applied successfully to real-world measurement data from wafer fabrication of close to hundred thousand chips of several product types. The presented algorithm prefers finding the best rater in a low-dimensional search space over finding a good rater in a high-dimensional search space. Our approach is interesting in that it is fast (quasi-linear) and reached good to excellent prediction or detection quality for real-world wafer data.
Abstract（参考訳）: 分布解析に基づくオブジェクト分類手法を提案する。また,関連する特徴の発見と,このアルゴリズムを他の分類アルゴリズムと統合する手法を提案する。提示された分類アルゴリズムは,複数の製品タイプから10万枚近いチップをウェーハで作製した実世界の計測データにうまく適用されている。提案アルゴリズムは,高次元探索空間において,優れたレーダを求めるよりも,低次元探索空間で最高のレーダを求めることを好む。提案手法は,実世界のウェハデータに対する予測精度や検出品質に優れる,高速(量子線形)な手法であるという点で興味深い。

関連論文リスト

Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文参考訳（メタデータ） (2023-02-14T22:12:16Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Fast Accurate Defect Detection in Wafer Fabrication [0.0]
提案アルゴリズムは,チップ製造から得られた実世界のデータによく適用されている。最適化のために多くの重みを持つ典型的なニューラルネットワークとは異なり、提案アルゴリズムはごく少数の変数に対してのみ最適化を試みる。
論文参考訳（メタデータ） (2021-08-23T13:00:50Z)
Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。局所探索のための政策勾配は、しばしばランダムな摂動から得られる。目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文参考訳（メタデータ） (2021-06-22T16:07:02Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Distributed Adaptive Nearest Neighbor Classifier: Algorithm and Theory [6.696267547013535]
そこで本研究では,データ駆動基準によりパラメータ選択された,近接する隣人の数がパラメータとなる分散適応型NN分類器を提案する。有限標本性能を向上する最適チューニングパラメータを探索する際,早期停止規則を提案する。特に、サブサンプルサイズが十分に大きい場合、提案した分類器がほぼ最適な収束率を達成することを示す。
論文参考訳（メタデータ） (2021-05-20T14:38:41Z)
Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
逆例は機械学習モデルにおいて広く研究されている現象である。そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-11-19T08:49:10Z)
Frequency Estimation in Data Streams: Learning the Optimal Hashing Scheme [3.7565501074323224]
本稿では,最適化と機械学習に基づくデータストリームの周波数推定問題に対する新しいアプローチを提案する。提案手法は、観測されたストリームプレフィックスをほぼ最適にハッシュ要素に利用し、ターゲット周波数分布を圧縮する。提案手法は, 推定誤差の平均(要素単位)と推定誤差の平均(要素単位)で1～2桁, 予測誤差で45～90%の精度で既存手法より優れていることを示す。
論文参考訳（メタデータ） (2020-07-17T22:15:22Z)
Mean shift cluster recognition method implementation in the nested sampling algorithm [0.0]
ネストサンプリングはベイズ証拠と後続パラメータ確率分布の計算に有効なアルゴリズムである。本稿では,ランダムウォークサーチアルゴリズムに実装された平均シフトクラスタ認識法に基づく新しい解を提案する。
論文参考訳（メタデータ） (2020-01-31T15:04:30Z)
CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文参考訳（メタデータ） (2020-01-08T17:37:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。