論文の概要: Hierarchical Automatic Power Plane Generation with Genetic Optimization
and Multilayer Perceptron
- arxiv url: http://arxiv.org/abs/2210.16314v1
- Date: Fri, 28 Oct 2022 03:58:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 15:03:23.491891
- Title: Hierarchical Automatic Power Plane Generation with Genetic Optimization
and Multilayer Perceptron
- Title(参考訳): 遺伝的最適化と多層パーセプトロンを用いた階層型自動パワープレーン生成
- Authors: Haiguang Liao, Vinay Patil, Xuliang Dong, Devika Shanbhag, Elias
Fallon, Taylor Hogan, Mirko Spasojevic, Levent Burak Kara
- Abstract要約: プリント基板(PCB)の設計を高速化する多層多層発電方式を提案する。
本手法は多層パーセプトロンと組み合わされた遺伝的最適化に基づいており,様々な問題にまたがるパワープレーンを自動生成することができる。
- 参考スコア(独自算出の注目度): 0.23453441553817037
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We present an automatic multilayer power plane generation method to
accelerate the design of printed circuit boards (PCB). In PCB design, while
automatic solvers have been developed to predict important indicators such as
the IR-drop, power integrity, and signal integrity, the generation of the power
plane itself still largely relies on laborious manual methods. Our automatic
power plane generation approach is based on genetic optimization combined with
a multilayer perceptron and is able to automatically generate power planes
across a diverse set of problems with varying levels of difficulty. Our method
GOMLP consists of an outer loop genetic optimizer (GO) and an inner loop
multi-layer perceptron (MLP) that generate power planes automatically. The
critical elements of our approach include contour detection, feature expansion,
and a distance measure to enable island-minimizing complex power plane
generation. We compare our approach to a baseline solution based on A*. The A*
method consisting of a sequential island generation and merging process which
can produce less than ideal solutions. Our experimental results show that on
single layer power plane problems, our method outperforms A* in 71% of the
problems with varying levels of board layout difficulty. We further describe
H-GOMLP, which extends GOMLP to multilayer power plane problems using
hierarchical clustering and net similarities based on the Hausdorff distance.
- Abstract(参考訳): 本稿では,プリント基板(pcb)の設計を高速化する多層電力平面自動生成手法を提案する。
PCB設計では、IR-drop、電力整合性、信号整合性などの重要な指標を予測するために自動解法が開発されているが、パワープレーン自体の生成は依然として面倒な手作業に大きく依存している。
我々の自動パワープレーン生成手法は,多層パーセプトロンと組み合わされた遺伝的最適化に基づいており,様々な難易度で様々な問題にまたがるパワープレーンを自動生成することができる。
GOMLPは,外ループ遺伝子オプティマイザ (GO) と内ループ多層パーセプトロン (MLP) から構成される。
提案手法の重要な要素は, 輪郭検出, 特徴拡張, 島を最小化する複雑なパワープレーン生成を可能にする距離測定である。
我々はこのアプローチをa*に基づくベースラインソリューションと比較する。
A*法は、理想的な解を生成できるシーケンシャルなアイランド生成およびマージプロセスからなる。
実験の結果, 単層電力平面問題においては, 基板配置の難易度が異なる問題のうち, 71%でa*を上回った。
さらに、階層的クラスタリングとハウスドルフ距離に基づくネット類似性を用いて、GOMLPを多層パワープレーン問題に拡張するH-GOMLPについて述べる。
関連論文リスト
- A novel ANROA based control approach for grid-tied multi-functional
solar energy conversion system [0.0]
三相格子型太陽太陽光発電システムに対する適応制御手法を提案し,検討した。
適応型ニューロファジィ推論システム(ANFIS)と降雨最適化アルゴリズム(ROA)を組み合わせた。
電圧変動、高調波、フリックなどの電力品質問題や、バランスの取れない負荷や反応電力の使用などを避けることが大きな目標である。
論文 参考訳(メタデータ) (2024-01-26T09:12:39Z) - Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。
シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
論文 参考訳(メタデータ) (2022-09-15T07:22:58Z) - Multi-agent Deep Reinforcement Learning for Charge-sustaining Control of
Multi-mode Hybrid Vehicles [9.416703139663705]
電気化は車両の電気部品の増加を必要とする。
本稿では,マルチモードハイブリッド電気自動車におけるエネルギー管理戦略のオンライン最適化に焦点をあてる。
マルチエージェントを用いた新しいサイバー物理学習法が提案されている。
論文 参考訳(メタデータ) (2022-09-06T16:40:55Z) - AutoQML: Automatic Generation and Training of Robust Quantum-Inspired
Classifiers by Using Genetic Algorithms on Grayscale Images [0.0]
グレースケール画像上で量子インスパイアされた分類器を自動生成・訓練するハイブリッドシステムを提案する。
我々は、最小限の回路と、見えないデータに対する高い精度を得るために、動的適合関数を定義する。
論文 参考訳(メタデータ) (2022-08-28T16:33:48Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳(メタデータ) (2022-03-26T20:37:14Z) - Deep Learning Approximation of Diffeomorphisms via Linear-Control
Systems [91.3755431537592]
我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。
対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
論文 参考訳(メタデータ) (2021-10-24T08:57:46Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳(メタデータ) (2021-01-28T15:10:22Z) - Learning High-Level Policies for Model Predictive Control [54.00297896763184]
Model Predictive Control (MPC)は、ロボット制御タスクに対する堅牢なソリューションを提供する。
ニューラルネットワークの高レベルポリシーを学習するための自己教師付き学習アルゴリズムを提案する。
提案手法は, 標準的なMPCでは困難な状況に対処できることを示す。
論文 参考訳(メタデータ) (2020-07-20T17:12:34Z) - GAPS: Generator for Automatic Polynomial Solvers [39.33174230839823]
異なる係数のインスタンスで繰り返されるシステムを考えると、従来のGr"オブナー基底または正規形式ベースの解は非常に非効率である。
このような構造をオフラインでプリ計算することで、Gr"オブナーベースとシステムソリューションをオンライン上で自動的に効率よく解決することができる。
Larssonらによる最新のツールオートゲンは、解決効率の最先端性能を持つこれらのツールの代表である。
論文 参考訳(メタデータ) (2020-04-24T14:11:28Z) - Bypassing or flying above the obstacles? A novel multi-objective UAV
path planning problem [0.0]
本研究では,衝突のない離散型ドローン経路計画問題に対する新しい整数プログラミングモデルを提案する。
本研究は, 障害物をバイパスしたり, 上空を飛んだりする可能性を考慮して, 経路長, エネルギー消費, 最大経路リスクを同時に最小化することを目的とする。
論文 参考訳(メタデータ) (2020-04-12T13:42:05Z) - DHP: Differentiable Meta Pruning via HyperNetworks [158.69345612783198]
本稿では,ネットワークの自動プルーニングのためのハイパーネットによる識別可能なプルーニング手法を提案する。
遅延ベクトルは、バックボーンネットワーク内の畳み込み層の出力チャネルを制御し、レイヤのプルーニングのハンドルとして機能する。
画像分類、単一画像超解像、復調のための様々なネットワークで実験が行われた。
論文 参考訳(メタデータ) (2020-03-30T17:59:18Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。