[发明专利]基于神经网络的存储器地址的测试方法及测试装置在审

专利信息
申请号: 202110167504.2 申请日: 2021-02-07
公开(公告)号: CN112951312A 公开(公告)日: 2021-06-11
发明(设计)人: 柯遥 申请(专利权)人: 上海华力微电子有限公司
主分类号: G11C29/18 分类号: G11C29/18;G11C29/12;G06N3/08
代理公司: 上海天辰知识产权代理事务所(特殊普通合伙) 31275 代理人: 吴世华;尹一凡
地址: 201210 上海市浦*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 存储器 地址 测试 方法 装置
【权利要求书】:

1.一种基于神经网络的存储器地址的测试方法,其特征在于,包括训练集及验证集的生成步骤S1、神经网络模型形成步骤S2和地址测试步骤S3:

所述步骤S1包括:

步骤S11:获取与待测存储器相同型号的原始测试信息,并从所原始信息提取原始特征信息;所述原始特征信息包括M位二进制的存储器地址、多个测试任务批次号和与所述存储器M位待测地址相应的测试结果标签;其中,所述测试任务批次号表示一个时间段中的原始测试信息,所述M位二进制的存储器地址由存储器的地址空间转换而来,所述测试结果标签为0时,表示测试结果匹配,所述测试结果标签为1时,表示测试结果不匹配;

步骤S12:将每一个所述M位二进制的存储器地址和其相应的测试结果标签形成一组测试数据对,并将所述测试任务批次号中的所有测试数据对形成一个测试数据对集;

步骤S13:将一个测试任务批次号的测试数据对集作为验证集的数据,将其余测试任务批次号的测试数据对集作为训练集的数据;

所述步骤S2包括:

步骤S21:提供参数初始化后的神经网络模型;

步骤S22:以所述M位二进制的存储器地址为神经网络模型的输入,以所述M位二进制的存储器地址相应的测试结果标签为神经网络模型的输出,遍历所述训练集中的测试数据对,完成神经网络模型的训练;

步骤S23:以所述M位二进制的存储器地址为神经网络模型的输入,以所述M位二进制的存储器地址相应的测试结果标签为神经网络模型的输出,遍历所述验证集中的测试数据对,完成神经网络模型的验证,以形成优化后的神经网络模型;

所述步骤S3包括:

S31:将待测存储器的地址空间转换为二进制的M位地址,将所述M位二进制的存储器地址输入神经网络模型,得到预测的所述M位二进制的存储器地址相应的测试结果标签;将测试结果标签为0的所对应的地址为所述地址空间中需跳过测试的地址;

S32:分别指定所述需跳过测试的地址中特定的N1位均为1时或特定的N2位均为0的地址,M、N1、N2、M-N1和M-N2为正整数;

S33:分别将该N1位地址或N2位地址分配至第一地址组,将剩余M-N1或M-N2位地址分配至第二地址组;

S34:将所述第一地址组的N1位地址和所述第二地址组的M-N1位地址按所述二进制的M位地址的位阶顺序,以特定规则对所述第一地址组和第二地址组遍历以对对应的地址进行测试;或者,将所述第一地址组的N2位地址和所述第二地址组的M-N2位地址按所述二进制的M位地址的位阶顺序,以特定规则对所述第一地址组和第二地址组遍历以对对应的地址进行测试;

其中所述特定规则为:对于所述第一地址组,对除N1位均为1或N2均为0的地址外的其他各地址进行遍历;对于所述第二地址组,对全部地址进行遍历。

2.根据权利要求1所述的基于神经网络的存储器地址的测试方法,其特征在于,在所述第一地址组中,该特定的N1位地址从低位至高位依次排列;在所述第二地址组中,该剩余的M-N1位地址从低位至高位依次排列;或者,在所述第一地址组中,该特定的N2位地址从低位至高位依次排列;在所述第二地址组中,该剩余的M-N2位地址从低位至高位依次排列。

3.根据权利要求2所述的基于神经网络的存储器地址的测试方法,其特征在于,对于所述第一地址组,当指定所述二进制的M位地址中N1位均为1时对应的地址为需跳过测试的地址时,从该第一地址组的最小地址至仅小于最大地址的次最大地址依次遍历,当指定所述二进制的M位地址中N2位均为0时对应的地址为需跳过测试的地址时从该第一地址组的仅大于所述最小地址的次最小地址至所述最大地址依次遍历。

4.根据权利要求3所述的基于神经网络的存储器地址的测试方法,其特征在于,对于所述第二地址组从其最小地址至其最大地址依次遍历。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海华力微电子有限公司,未经上海华力微电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110167504.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top