Zusammenfassung
Mit Hilfe von selbstorganisierenden Karten, die einen speziellen Typ von künstlichen neuronalen Netzen darstellen, können Parameter aus einem Prozeß klassifiziert und korreliert werden. Neben dem Funktionsprinzip dieser Karten werden neue, besonders effektive Algorithmen beschrieben. Am Beispiel von Parametern aus einer VLSI-Prozeßlinie werden die Auswertung der Parameter, die Prozeßüberwachung und die Voraussage über die zu erwartenden Ergebnisse bei verschiedenen Prozeßvarianten mit Hilfe einer 50 x 50 Karte besprochen. Es zeigt sich, daß es nur aufgrund der Selbstorganisation zu einer intelligenten Datenauswertung kommt. Daher können solche Karten als Akzeleratoren in einem Expertensystem eingesetzt werden.
Abstract
Self-organizing feature maps, a type of artificial neural networks, can classify and correlate the parameters and the data of a process. We describe the function of such a feature map and some new very effective algorithms. An example of a semiconductor process line shows the classification of the parameters, the process monitoring, and the process prediction using a 50 x 50 map. The self organization only offers an intelligent data processing. Therefore, the feature maps can be a part of an expert system as an accelerator.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Kohonen, T., Self-Organization and Associative Memory, Springer Verlag, Heidelberg, New York, Tokyo, 1984, pp. 125–160.
Kemke, C., Der neuere Konnektionismus, Informatik Spectrum Sept. 1988, S. 143–162.
Kohonen, T., The “Neural” Phonetic Typewriter, IEEE Computer 21 (1988), pp. 11–22.
Tryba, V., Marks, K.M., Rückert, U., Goser, K., Selbstorganisierende Karten als lernende klassifizierende Speicher, Tagungsband der ITG-Fachtagung “Digitale Speicher”, Darmstadt, Sept. 88, S. 409–422.
Marks, K.M., Goser, K., AI Concepts for VLSI Process Modelling and Monitoring Proceedings of CompEuro 87, IEEE, 1987, pp. 474–477.
Ritter, H., Selbstorganisierende neuronale Karten, Dissertation, Universität München, Juli 1988, S. 28–31.
Marks, K.M., Goser, K., Analysis of VLSI Process Data Based on Self-Organizing Feature Maps, Proceedings of Neuro-Nimes, Nov. 1988
Director, S. W., Manufacturing-Based Simulation: An Overview, IEEE Circuits and Devices Magazine, Sept. 1987, pp. 3–9.
Reggia, J. A., Sutton G. G.: Self-Processing Networks and their biomedical Implementations, Proc. IEEE 76 (1988), pp. 680–692.
V. Tryba, S. Metzen, K. Goser, “Designing of Basic Integrated Circuits by Self-Organizing Feature Maps”, submitted for publication.
Goser, K., Rückert, U. Künstliche Intelligenz - eine Herausforderung an die Großintegrationstechnik, ntz Bd. 39, Heft 11, (1986), S. 748–752.
Goser, K., Mikroelektronik neuronaler Netze, Mikro-elektronik 3 (1989), S. 104–108.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1989 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Goser, K., Marks, K.M., Rückert, U., Tryba, V. (1989). Selbstorganisierende Parameterkarten zur Prozeßüberwachung und -voraussage. In: Brauer, W., Freksa, C. (eds) Wissensbasierte Systeme. Informatik-Fachberichte, vol 227. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-75182-0_21
Download citation
DOI: https://doi.org/10.1007/978-3-642-75182-0_21
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-51838-9
Online ISBN: 978-3-642-75182-0
eBook Packages: Springer Book Archive