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

• Joint Transmit and Pinching Beamforming for PASS: Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Automated Placement of Analog Integrated Circuits using Priority-based Constructive Heuristic [0.0]
  われわれは,いわゆるポケット,合併の可能性,デバイス間のパラメトリジブルな最小距離を必要とする,特定の種類のアナログ配置に注目した。 我々の解は回路の境界ボックスの周長と近似ワイヤ長を最小化する。 本手法は,手作業による設計を伴い,合成された産業事例と実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実
  論文  参考訳（メタデータ） (2024-10-18T07:16:59Z)
• Adaptive Knowledge-based Multi-Objective Evolutionary Algorithm for Hybrid Flow Shop Scheduling Problems with Multiple Parallel Batch Processing Stages [5.851739146497829]
  本研究では,ユーザが任意の段階を並列バッチ処理段階として任意に設定できる問題モデルを一般化する。 Adaptive Knowledge-based Multi-Objective Evolutionary Algorithm (AMOEA/D) は、makepanとTotal Energy Consumptionの両方を同時に最適化するように設計されている。 実験の結果, AMOEA/D は PBHFSP の解法において比較アルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-09-27T08:05:56Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• M-HOF-Opt: Multi-Objective Hierarchical Output Feedback Optimization via Multiplier Induced Loss Landscape Scheduling [4.499391876093543]
  ニューラルワークによってパラメータ化された多くの損失項の多目的最適化のための重み乗算器のオンライン選択に対処する。 本手法は乗算器レスであり,エポックの時間スケールで動作する。 また、既存の多目的ディープラーニング手法の過剰なメモリ要件と重い計算負担を回避する。
  論文  参考訳（メタデータ） (2024-03-20T16:38:26Z)
• 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)
• 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)
• 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。