JPH04239976A - パラメータ抽出システム - Google Patents
パラメータ抽出システムInfo
- Publication number
- JPH04239976A JPH04239976A JP3024168A JP2416891A JPH04239976A JP H04239976 A JPH04239976 A JP H04239976A JP 3024168 A JP3024168 A JP 3024168A JP 2416891 A JP2416891 A JP 2416891A JP H04239976 A JPH04239976 A JP H04239976A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- sensitivity
- data
- parameters
- data block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Semiconductor Integrated Circuits (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【０００１】
【産業上の利用分野】本発明は、測定等で得られた数値
データを自動的に解析式でモデル化する際のパラメータ
抽出システムに利用する。本発明は、特に、半導体デバ
イスの回路シミュレーションに必要なデバイスモデルパ
ラメータ抽出システムに関する。
データを自動的に解析式でモデル化する際のパラメータ
抽出システムに利用する。本発明は、特に、半導体デバ
イスの回路シミュレーションに必要なデバイスモデルパ
ラメータ抽出システムに関する。
【０００２】
【従来の技術】トランジスタの電流電圧特性などの測定
データを、解析モデル式によって、精度良く表せるよう
に解析モデル式のパラメータ値を決定することは、回路
シミュレーションの信頼性を高めるために非常に重要な
技術である。
データを、解析モデル式によって、精度良く表せるよう
に解析モデル式のパラメータ値を決定することは、回路
シミュレーションの信頼性を高めるために非常に重要な
技術である。
【０００３】図４はかかる従来のパラメータ抽出システ
ムの一例を示すブロック構成図、図５はその動作を示す
流れ図である。測定データ１を入力として抽出パラメー
タ選択部１７で、抽出すべきパラメータと抽出するデー
タ領域の決定を行い （ステップＳ１１） 、モデル式
計算部１８で各データ点での解析式を計算し （ステッ
プＳ１２） 、誤差評価部１９において入力された測定
データと解析式による計算値とを比較し （ステップＳ
１３） 、両者の誤差が許容値を超える場合はパラメー
タ値変更部２０にて、抽出パラメータの値を変動させ
（ステップＳ１４、Ｓ１５） 、誤差が許容値内におさ
まるまでモデル式計算部１８→誤差評価部１９→パラメ
ータ値変更部２０の処理を行い、結果としてモデルパラ
メータセット７を得ていた。
ムの一例を示すブロック構成図、図５はその動作を示す
流れ図である。測定データ１を入力として抽出パラメー
タ選択部１７で、抽出すべきパラメータと抽出するデー
タ領域の決定を行い （ステップＳ１１） 、モデル式
計算部１８で各データ点での解析式を計算し （ステッ
プＳ１２） 、誤差評価部１９において入力された測定
データと解析式による計算値とを比較し （ステップＳ
１３） 、両者の誤差が許容値を超える場合はパラメー
タ値変更部２０にて、抽出パラメータの値を変動させ
（ステップＳ１４、Ｓ１５） 、誤差が許容値内におさ
まるまでモデル式計算部１８→誤差評価部１９→パラメ
ータ値変更部２０の処理を行い、結果としてモデルパラ
メータセット７を得ていた。
【０００４】図４において、モデル式計算部１８、誤差
評価部１９およびパラメータ値変更部２０の各処理は、
多変数最適化の問題に帰着でき、一般的な数学的手法が
存在する。しかし、例えば回路シミュレーションで用い
られるデバイスモデルのパラメータは通常１０〜２０個
程度存在するため、これらすべてのパラメータを一度に
最適化することは実用的でない。一般に多変数最適化に
おいては抽出するパラメータの数が多くなるに従って、
計算時間がかかるばかりでなく、多くの場合最適化処理
が収束しなかったり、局所最適解におちいってしまい、
抽出されたパラメータの値が解析式の物理的背景から考
えて意味のない値に収束してしまったりしがちである。
評価部１９およびパラメータ値変更部２０の各処理は、
多変数最適化の問題に帰着でき、一般的な数学的手法が
存在する。しかし、例えば回路シミュレーションで用い
られるデバイスモデルのパラメータは通常１０〜２０個
程度存在するため、これらすべてのパラメータを一度に
最適化することは実用的でない。一般に多変数最適化に
おいては抽出するパラメータの数が多くなるに従って、
計算時間がかかるばかりでなく、多くの場合最適化処理
が収束しなかったり、局所最適解におちいってしまい、
抽出されたパラメータの値が解析式の物理的背景から考
えて意味のない値に収束してしまったりしがちである。
【０００５】そこで、図４の抽出パラメータ選択部１７
において、あらかじめ抽出すべきパラメータや、データ
領域を限定するわけであるが、抽出パラメータ抽出部１
７に必要な処理は、入力された測定データだけでなく、
解析モデル式の性質にも依存するため、一般的な手法は
存在しない。従来の技術としては、あらかじめ特定のモ
デル式に対して、パラメータをグループ化しておき各グ
ループのパラメータが影響を強く及ぼすと考え得るデー
タ点の領域をプログラム化しておく方法がある。（エブ
ラヒム カハリェリィ「アン インタラクティブ
デバイス キャラクタライゼーション アンド
モデル デェベロープメント システム」インタ
ナショナル コンファレンス オン コンピュー
タ エイデッド デザイン、ＥｂｒａｈｉｍＫｈａ
ｌｉｌｙ ｅｔａｌ「Ａｎ ｉｎｔｅｒａｃｔｉｖｅ
ｄｅｖｉｃｅ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａ
ｎｄ ｍｏｄｅｌ ｄｅｖｅｌｏｐｍｅｎｔ ｓｙｓｔ
ｅｍ 」Ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅ
ｎｃｅ Ｏｎ Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓ
ｉｇｎ １９８４，Ｐ１４９〜１５１ 参照） 。
において、あらかじめ抽出すべきパラメータや、データ
領域を限定するわけであるが、抽出パラメータ抽出部１
７に必要な処理は、入力された測定データだけでなく、
解析モデル式の性質にも依存するため、一般的な手法は
存在しない。従来の技術としては、あらかじめ特定のモ
デル式に対して、パラメータをグループ化しておき各グ
ループのパラメータが影響を強く及ぼすと考え得るデー
タ点の領域をプログラム化しておく方法がある。（エブ
ラヒム カハリェリィ「アン インタラクティブ
デバイス キャラクタライゼーション アンド
モデル デェベロープメント システム」インタ
ナショナル コンファレンス オン コンピュー
タ エイデッド デザイン、ＥｂｒａｈｉｍＫｈａ
ｌｉｌｙ ｅｔａｌ「Ａｎ ｉｎｔｅｒａｃｔｉｖｅ
ｄｅｖｉｃｅ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａ
ｎｄ ｍｏｄｅｌ ｄｅｖｅｌｏｐｍｅｎｔ ｓｙｓｔ
ｅｍ 」Ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅ
ｎｃｅ Ｏｎ Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓ
ｉｇｎ １９８４，Ｐ１４９〜１５１ 参照） 。
【０００６】
【発明が解決しようとする課題】前述した従来のパラメ
ータ抽出システムでは、抽出パラメータの選択および抽
出データ領域があらかじめプログラム化されているため
、測定データ点の領域を目的とする領域に任意に選択で
きない欠点があった。また、特に、半導体デバイスのモ
デル式などでは、急激なプロセスおよびデバイス技術の
進歩により、モデル式の改良あるいは変更が必要になる
場合があるが、従来のプログラム化された抽出パラメー
タ選択処理では、モデル式の変更に対してフレキシブル
に対応することが困難である欠点があった。また、たと
え新しいモデル式に対応した抽出パラメータの選択手法
を新たに開発しようとしても、互いに相関をもつパラメ
ータの組み合わせ方や、抽出データ領域の決定には豊富
な経験と、測定データおよびモデル式に対する深い知識
が必要である欠点があった。
ータ抽出システムでは、抽出パラメータの選択および抽
出データ領域があらかじめプログラム化されているため
、測定データ点の領域を目的とする領域に任意に選択で
きない欠点があった。また、特に、半導体デバイスのモ
デル式などでは、急激なプロセスおよびデバイス技術の
進歩により、モデル式の改良あるいは変更が必要になる
場合があるが、従来のプログラム化された抽出パラメー
タ選択処理では、モデル式の変更に対してフレキシブル
に対応することが困難である欠点があった。また、たと
え新しいモデル式に対応した抽出パラメータの選択手法
を新たに開発しようとしても、互いに相関をもつパラメ
ータの組み合わせ方や、抽出データ領域の決定には豊富
な経験と、測定データおよびモデル式に対する深い知識
が必要である欠点があった。
【０００７】本発明の目的は、前記の欠点を除去するこ
とにより、測定データ点の選択が自由に行え、また新し
いパラメータを持つモデル式に対しても、特別な知識や
経験を必要とせずに、パラメータの感度に合ったパラメ
ータ抽出ができるパラメータ抽出システムを提供するこ
とにある。
とにより、測定データ点の選択が自由に行え、また新し
いパラメータを持つモデル式に対しても、特別な知識や
経験を必要とせずに、パラメータの感度に合ったパラメ
ータ抽出ができるパラメータ抽出システムを提供するこ
とにある。
【０００８】
【課題を解決するための手段】本発明は、選択されたパ
ラメータを解析式にあてはめ誤差評価を行い誤差が規定
値以内になるパラメータを抽出するパラメータ抽出部を
備えたパラメータ抽出システムにおいて、数値データ点
列の各データ点に対し、点列データを表現する解析式の
もつパラメータの感度をパラメータ値の変化率として求
める感度算出部と、各パラメータごとに高感度なデータ
点列の独立変数領域を定義する高感度領域定義部と、各
パラメータの高感度領域の境界によって分割されるデー
タ点列のデータブロックと、各データブロック内で高感
度なパラメータの組とを対応づけるデータブロック定義
部と、値が未抽出である高感度パラメータの数が少ない
データブロックから順次そのデータブロック内のデータ
点列によって未抽出の高感度パラメータの値を抽出し、
前記パラメータ抽出部に対して出力する抽出パラメータ
決定部とを備えたことを特徴とする。
ラメータを解析式にあてはめ誤差評価を行い誤差が規定
値以内になるパラメータを抽出するパラメータ抽出部を
備えたパラメータ抽出システムにおいて、数値データ点
列の各データ点に対し、点列データを表現する解析式の
もつパラメータの感度をパラメータ値の変化率として求
める感度算出部と、各パラメータごとに高感度なデータ
点列の独立変数領域を定義する高感度領域定義部と、各
パラメータの高感度領域の境界によって分割されるデー
タ点列のデータブロックと、各データブロック内で高感
度なパラメータの組とを対応づけるデータブロック定義
部と、値が未抽出である高感度パラメータの数が少ない
データブロックから順次そのデータブロック内のデータ
点列によって未抽出の高感度パラメータの値を抽出し、
前記パラメータ抽出部に対して出力する抽出パラメータ
決定部とを備えたことを特徴とする。
【０００９】
【作用】数値データ点列の各データ点に対し、点列デー
タを表現する解析式のもつパラメータの感度をパラメー
タ値の変化率として求め、各パラメータごとに高感度な
データ点列として求め、各パラメータごとに高感度なデ
ータ点列独立変数領域を定義する。そして、各パラメー
タの高感度領域の境界によって分割されるデータ点列の
ブロックと各データブロック内で高感度なパラメータの
組とを対応づけ、値が未抽出である高感度パラメータの
数が少ないデータブロックから順次そのデータブロック
内のデータ点列によって未抽出の高感度パラメータの値
を抽出し、パラメータ抽出部に対して出力する。
タを表現する解析式のもつパラメータの感度をパラメー
タ値の変化率として求め、各パラメータごとに高感度な
データ点列として求め、各パラメータごとに高感度なデ
ータ点列独立変数領域を定義する。そして、各パラメー
タの高感度領域の境界によって分割されるデータ点列の
ブロックと各データブロック内で高感度なパラメータの
組とを対応づけ、値が未抽出である高感度パラメータの
数が少ないデータブロックから順次そのデータブロック
内のデータ点列によって未抽出の高感度パラメータの値
を抽出し、パラメータ抽出部に対して出力する。
【００１０】従って、与えられたデータ点列に対して、
抽出パラメータの選択および抽出データ領域の決定を自
動的に行うことができ、測定データ点の選択が自由に行
えるとともに、新しいパラメータをもつ解析式に対して
も特別な経験や知識を必要とせずにパラメータの感度に
合ったパラメータ抽出が可能となる。
抽出パラメータの選択および抽出データ領域の決定を自
動的に行うことができ、測定データ点の選択が自由に行
えるとともに、新しいパラメータをもつ解析式に対して
も特別な経験や知識を必要とせずにパラメータの感度に
合ったパラメータ抽出が可能となる。
【００１１】
【実施例】以下、本発明の実施例について図面を参照し
て説明する。
て説明する。
【００１２】図１は本発明の一実施例を示すブロック構
成図である。本実施例は、選択されたパラメータを解析
式にあてはめ誤差評価を行い誤差が規定値以内になるパ
ラメータを抽出しパラメータセット７を出力するパラメ
ータ抽出部６を備えたパラメータ抽出システムにおいて
、
成図である。本実施例は、選択されたパラメータを解析
式にあてはめ誤差評価を行い誤差が規定値以内になるパ
ラメータを抽出しパラメータセット７を出力するパラメ
ータ抽出部６を備えたパラメータ抽出システムにおいて
、
【００１３】本発明の特徴とするところの、測定データ
１を入力し、数値データ点列の各データ点に対し、点列
データを表現する解析式のもつパラメータの感度をパラ
メータ値の変化率として求める感度算出部２と、各パラ
メータごとに高感度なデータ点列の独立変数領域を定義
する高感度領域定義部３と、各パラメータの高感度領域
の境界によって分割されるデータ点列のデータブロック
と、各データブロック内で高感度なパラメータの組とを
対応づけるデータブロック定義部４と、値が未抽出であ
る高感度パラメータの数が少ないデータブロックから順
次そのデータブロック内のデータ点列によって未抽出の
高感度パラメータの値を抽出し、パラメータ抽出部６に
対して出力する抽出パラメータ決定部５とを備えている
。
１を入力し、数値データ点列の各データ点に対し、点列
データを表現する解析式のもつパラメータの感度をパラ
メータ値の変化率として求める感度算出部２と、各パラ
メータごとに高感度なデータ点列の独立変数領域を定義
する高感度領域定義部３と、各パラメータの高感度領域
の境界によって分割されるデータ点列のデータブロック
と、各データブロック内で高感度なパラメータの組とを
対応づけるデータブロック定義部４と、値が未抽出であ
る高感度パラメータの数が少ないデータブロックから順
次そのデータブロック内のデータ点列によって未抽出の
高感度パラメータの値を抽出し、パラメータ抽出部６に
対して出力する抽出パラメータ決定部５とを備えている
。
【００１４】次に本発明の実施例について図２に示す流
れ図を参照して説明する。測定データ１に対して、感度
算出部２にて、各データ点におけるパラメータ値の変化
に対する解析式の計算値の変化を計算し、パラメータの
感度を求め（ステップＳ１）、高感度領域決定部３にお
いて、各パラメータについてその感度が一定値以上であ
るデータ点の領域を高感度領域として定義し（ステップ
Ｓ２）、データブロック定義部４において、各パラメー
タの高感度領域の境界によって分割されるデータ点列の
ブロックとそのブロック内での高感度パラメータの組と
を求め（ステップＳ３）、抽出パラメータ決定部５にお
いて、次に抽出するデータブロックとパラメータとを決
定し（ステップＳ４）、パラメータ抽出部６において、
多変数最適化によるパラメータ抽出を実行し（ステップ
Ｓ５）、すべてのパラメータの抽出が終了するまでステ
ップＳ４およびＳ５を繰り返すことにより（ステップＳ
６）、パラメータセット７を得る。
れ図を参照して説明する。測定データ１に対して、感度
算出部２にて、各データ点におけるパラメータ値の変化
に対する解析式の計算値の変化を計算し、パラメータの
感度を求め（ステップＳ１）、高感度領域決定部３にお
いて、各パラメータについてその感度が一定値以上であ
るデータ点の領域を高感度領域として定義し（ステップ
Ｓ２）、データブロック定義部４において、各パラメー
タの高感度領域の境界によって分割されるデータ点列の
ブロックとそのブロック内での高感度パラメータの組と
を求め（ステップＳ３）、抽出パラメータ決定部５にお
いて、次に抽出するデータブロックとパラメータとを決
定し（ステップＳ４）、パラメータ抽出部６において、
多変数最適化によるパラメータ抽出を実行し（ステップ
Ｓ５）、すべてのパラメータの抽出が終了するまでステ
ップＳ４およびＳ５を繰り返すことにより（ステップＳ
６）、パラメータセット７を得る。
【００１５】図１において、パラメータ抽出部６の内容
は図４の従来例と同じである。
は図４の従来例と同じである。
【００１６】以下では、感度算出部２ないし抽出パラメ
ータ決定部５の動作について、図３（ａ） 〜（ｄ）
を参照してさらに詳しく説明する。例として、２次元の
独立変数ｘ１ 、ｘ２ からなる測定データから解析式
ｆのもつ四つのパラメータＰ１ 、Ｐ２ 、Ｐ３ およ
びＰ４ を抽出する場合を考える。図１の感度算出部２
では、各データ点の感度Ｓｉ は、Ｓ１ ＝ｆ（Ｐ１
＋Δ１，Ｐ２，Ｐ３，Ｐ４ ） −ｆ（Ｐ１，Ｐ２，Ｐ
３，Ｐ４ ）／Δｉ などとして計算される。ここで、
Δｉ はパラメータＰｉ に対する微小変化を表す。
ータ決定部５の動作について、図３（ａ） 〜（ｄ）
を参照してさらに詳しく説明する。例として、２次元の
独立変数ｘ１ 、ｘ２ からなる測定データから解析式
ｆのもつ四つのパラメータＰ１ 、Ｐ２ 、Ｐ３ およ
びＰ４ を抽出する場合を考える。図１の感度算出部２
では、各データ点の感度Ｓｉ は、Ｓ１ ＝ｆ（Ｐ１
＋Δ１，Ｐ２，Ｐ３，Ｐ４ ） −ｆ（Ｐ１，Ｐ２，Ｐ
３，Ｐ４ ）／Δｉ などとして計算される。ここで、
Δｉ はパラメータＰｉ に対する微小変化を表す。
【００１７】次に、高感度領域決定部３により、各パラ
メータＰｉ について感度Ｓｉ が一定値以上であるデ
ータ領域を求める。図３（ａ） はこのようにして求め
られた高感度領域の例を示し、高感度領域８〜１１が示
される。
メータＰｉ について感度Ｓｉ が一定値以上であるデ
ータ領域を求める。図３（ａ） はこのようにして求め
られた高感度領域の例を示し、高感度領域８〜１１が示
される。
【００１８】次に、データブロック定義部４により、各
高感度領域８〜１１の境界で区切られるデータ領域と、
その領域内の高感度パラメータとを対応づける。図３（
ｂ） はこのようにして得られたデータブロック１２〜
１６と各データブロック内での高感度パラメータとを示
している。
高感度領域８〜１１の境界で区切られるデータ領域と、
その領域内の高感度パラメータとを対応づける。図３（
ｂ） はこのようにして得られたデータブロック１２〜
１６と各データブロック内での高感度パラメータとを示
している。
【００１９】次に、抽出パラメータ決定部５により、高
感度パラメータが最も少ないデータブロックとしてデー
タブロック１２を選択し、このデータ領域内でパラメー
タ抽出部６によりパラメータＰ４ の値を決定する。こ
の結果各データブロックと高感度パラメータの関係は、
図３（ｃ） のようになる。パラメータＰ４ が決定し
たため、データブロック１３〜１６の高感度パラメータ
の数は一つずつ減少している。なお、図３（ｃ） 〜（
ｄ） における斜線部分はパラメータ抽出の終了したデ
ータブロックを示す。
感度パラメータが最も少ないデータブロックとしてデー
タブロック１２を選択し、このデータ領域内でパラメー
タ抽出部６によりパラメータＰ４ の値を決定する。こ
の結果各データブロックと高感度パラメータの関係は、
図３（ｃ） のようになる。パラメータＰ４ が決定し
たため、データブロック１３〜１６の高感度パラメータ
の数は一つずつ減少している。なお、図３（ｃ） 〜（
ｄ） における斜線部分はパラメータ抽出の終了したデ
ータブロックを示す。
【００２０】図３（ｃ） の状態ではデータブロック１
３および１４においてそれぞれ高感度パラメータが最少
であるので、これらのデータブロックについてパラメー
タ抽出を行いパラメータＰ２ およびＰ３を抽出する。 これにより、図３（ｄ） のようにデータブロック１５
のみが残るので、この領域でパラメータＰ１ を抽出す
ることですべてのパラメータが決定される。
３および１４においてそれぞれ高感度パラメータが最少
であるので、これらのデータブロックについてパラメー
タ抽出を行いパラメータＰ２ およびＰ３を抽出する。 これにより、図３（ｄ） のようにデータブロック１５
のみが残るので、この領域でパラメータＰ１ を抽出す
ることですべてのパラメータが決定される。
【００２１】以上の手順によって、いずれのパラメータ
もより感度の高いデータ領域でのみ抽出され、なおかつ
、他のパラメータになるべく影響をうけないパラメータ
から順に抽出を実行することができる。
もより感度の高いデータ領域でのみ抽出され、なおかつ
、他のパラメータになるべく影響をうけないパラメータ
から順に抽出を実行することができる。
【００２２】
【発明の効果】以上説明したように、本発明は、与えら
れたデータ点に対して抽出パラメータの選択および抽出
データ領域の決定を自動的に行うので、測定データ点の
選択が自由に行え、また、新しいパラメータを持つモデ
ル式に対しても特別な経験や知識を必要とせずにパラメ
ータの感度に合ったパラメータ抽出を実行できる効果が
ある。
れたデータ点に対して抽出パラメータの選択および抽出
データ領域の決定を自動的に行うので、測定データ点の
選択が自由に行え、また、新しいパラメータを持つモデ
ル式に対しても特別な経験や知識を必要とせずにパラメ
ータの感度に合ったパラメータ抽出を実行できる効果が
ある。
【図１】 本発明の一実施例を示すブロック構成図。
【図２】 その動作を示す流れ図。
【図３】 本実施例におけるパラメータ抽出の一例を
示す説明図。
示す説明図。
【図４】 従来例を示すブロック構成図。
【図５】 その動作を示す流れ図。
１ 測定データ
２ 感度算出部
３ 高感度領域定義部
４ データブロック定義部
５ 抽出パラメータ決定部
６ パラメータ抽出部
７ パラメータセット
８〜１１ 高感度領域
１２〜１６ データブロック
１７ 抽出パラメータ選択部
１８ モデル式計算部
１９ 誤差評価部
２０ パラメータ値変更部
Claims (1)
- 【請求項１】 選択されたパラメータを解析式にあて
はめ誤差評価を行い誤差が規定値以内になるパラメータ
を抽出するパラメータ抽出部を備えたパラメータ抽出シ
ステムにおいて、数値データ点列の各データ点に対し、
点列データを表現する解析式のもつパラメータの感度を
パラメータ値の変化率として求める感度算出部と、各パ
ラメータごとに高感度なデータ点列の独立変数領域を定
義する高感度領域定義部と、各パラメータの高感度領域
の境界によって分割されるデータ点列のデータブロック
と、各データブロック内で高感度なパラメータの組とを
対応づけるデータブロック定義部と、値が未抽出である
高感度パラメータの数が少ないデータブロックから順次
そのデータブロック内のデータ点列によって未抽出の高
感度パラメータの値を抽出し、前記パラメータ抽出部に
対して出力する抽出パラメータ決定部とを備えたことを
特徴とするパラメータ抽出システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3024168A JPH04239976A (ja) | 1991-01-23 | 1991-01-23 | パラメータ抽出システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3024168A JPH04239976A (ja) | 1991-01-23 | 1991-01-23 | パラメータ抽出システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04239976A true JPH04239976A (ja) | 1992-08-27 |
Family
ID=12130821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3024168A Pending JPH04239976A (ja) | 1991-01-23 | 1991-01-23 | パラメータ抽出システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04239976A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006156531A (ja) * | 2004-11-26 | 2006-06-15 | Oki Electric Ind Co Ltd | Ｅｓｄ保護回路の構成を決定する方法及びシミュレーション方法 |
| JP2011115250A (ja) * | 2009-12-01 | 2011-06-16 | Kansai Univ | ゴルフクラブの設計方法及びゴルフクラブ |
-
1991
- 1991-01-23 JP JP3024168A patent/JPH04239976A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006156531A (ja) * | 2004-11-26 | 2006-06-15 | Oki Electric Ind Co Ltd | Ｅｓｄ保護回路の構成を決定する方法及びシミュレーション方法 |
| JP2011115250A (ja) * | 2009-12-01 | 2011-06-16 | Kansai Univ | ゴルフクラブの設計方法及びゴルフクラブ |
| US8661879B2 (en) | 2009-12-01 | 2014-03-04 | A School Corporation Kansai University | Method for designing golf club and golf club |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1711867B1 (en) | Apparatus and method for modeling relationships between signals | |
| CN113255222B (zh) | 一种腔体滤波器的智能辅助调试方法及装置 | |
| JP5048748B2 (ja) | 試験テーブル生成装置及び試験テーブル生成方法 | |
| CN117201308A (zh) | 网络资源分配方法、系统、存储介质及电子设备 | |
| US9317667B2 (en) | Automatic computer program obfuscation system | |
| WO2016189747A1 (ja) | 分析装置及び分析方法及び分析プログラム | |
| CN106786675A (zh) | 一种电力系统稳定器及其实现方法 | |
| Milošević et al. | Application of cloud-based machine learning in cutting tool condition monitoring | |
| Daems et al. | Evaluation of error-control strategies for the linear symbolic analysis of analog integrated circuits | |
| de Castro et al. | Comparison of fractional and integer PID controllers tuned by genetic algorithm | |
| JPH04239976A (ja) | パラメータ抽出システム | |
| CN115408859A (zh) | 基于全局敏感性分析的参数分析方法、装置、介质及设备 | |
| US11449781B2 (en) | Plant abnormality prediction system and method | |
| Strojwas et al. | An efficient algorithm for parametric fault simulation of monolithic IC's | |
| Fan et al. | Data mining and fault diagnosis based on wafer acceptance test data and in-line manufacturing data | |
| CN110286583B (zh) | 一种基于相关分析的前馈控制动态调整方法及相关装置 | |
| Rossini et al. | Recursive Identification of Continuous Time Variant Dynamical Systems with the Extended Kalman Filter and the Recursive Least Squares State-Variable Filter. | |
| JP2005258717A (ja) | 制御装置のパラメータ設定方法及び装置並びにプログラム | |
| CN113552804A (zh) | 一种基于qr-frols算法的转子系统narx建模方法 | |
| JP3017504B2 (ja) | 論理回路シミユレーシヨン用期待値抽出方法 | |
| CN119443826B (zh) | 一种滑坡风险智能评价方法及系统 | |
| Urbánek et al. | Inferring productivity factor for use case point method | |
| KR101569437B1 (ko) | 가속도 산출 방법 및 장치 | |
| Khanh et al. | Why Grokking Takes So Long: A First-Principles Theory of Representational Phase Transitions | |
| JP7117253B2 (ja) | パラメータ設定支援装置、パラメータ設定支援方法及びプログラム |