逻辑与物理相结合的MCM划分神经学习方法

胡卫明; 何志钧; 马琪; 郑宁; 严晓浪

您当前的位置：

首页 >

文章列表页 >

逻辑与物理相结合的MCM划分神经学习方法

更新时间：2025-12-08

- 逻辑与物理相结合的MCM划分神经学习方法
- A Neural Learning Approach for Logic and Layout Combined Partitioning on MCM
- 电子学报 1998年第5期页码：75-78
- 作者机构：
  
  1.   浙江大学计算机系!杭州
  2.   310027
  3.   杭州电子工业学院CAD所!杭州
  4.   310037
- 作者简介：
- 基金信息：
  
  国家“九五”科技攻关项目
- DOI：
  中图分类号： TN405
- 纸质出版：1998
- 稿件说明：
移动端阅览
[1]胡卫明,何志钧,马琪,郑宁,严晓浪.逻辑与物理相结合的MCM划分神经学习方法[J].电子学报,1998(05):75-78.

胡卫明, 何志钧, 马琪, et al. A Neural Learning Approach for Logic and Layout Combined Partitioning on MCM[J]. Acta Electronica Sinica, 1998, (5): 75-78.
[1]胡卫明,何志钧,马琪,郑宁,严晓浪.逻辑与物理相结合的MCM划分神经学习方法[J].电子学报,1998(05):75-78. DOI：

胡卫明, 何志钧, 马琪, et al. A Neural Learning Approach for Logic and Layout Combined Partitioning on MCM[J]. Acta Electronica Sinica, 1998, (5): 75-78. DOI：

摘要

本文提出一种性能驱动的MCM划分神经学习方法．新算法具有如下特点：（1）允许功能设计和布图设计同时进行，（2）划分时，不仅考虑了模块间的逻辑关系，还考虑了MCM的版图结构．（3）具有芯片间连线数目最少和时钟周期最短双重优化目标．（4）能使连线尽可能产生在相邻近的芯片之间．（5）网络的结构合理，学习速度快．

Abstract

In this paper

we propose a neural learning approach for performance-driven partitioning on multichip modules. our method is unique in （1） allowing simultaneous design in logic and layout. （2） considering both logical relation between modules and physical structure of MCM.（3）having double optimal object

minimizing number of connections between chips and cycle time of system. （4） making connections occur between chips as close as possible. （5）making the structure of neural network reasonable and training speed rapid.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

背景感知机制的图像分类网络

基于神经网络的图像风格迁移算法综述

基于自适应空间映射多可信度模型的网状天线形态机电集成优化设计

差分编码与神经网络辅助的OFDM系统信道估计方法