डीबीएन आधारित विशेषताओं के निष्कर्षण का उपयोग करके एनालॉग सर्किट प्रारंभिक दोष निदान विधि

एनालॉग सर्किट के प्रारंभिक दोषों की सही पहचान सर्किट के स्वास्थ्य की निगरानी के लिए उपयोगी है, और यह बहुत कठिन है। इस पत्र में, गहरे विश्वास नेटवर्क (डीबीएन) आधारित विशेषताओं के निष्कर्षण का उपयोग करके एनालॉग सर्किट प्रारंभिक दोष निदान विधि प्रस्तुत की गई है। निदान योजना में, एनालॉग सर्किट की समय प्रतिक्रियाएँ मापी जाती हैं, और फिर विशेषताएँ डीबीएन विधि का उपयोग करके निकाली जाती हैं। इस बीच, डीबीएन के शिक्षण दरों का उत्पादन क्वांटम-व्यवहार किया हुआ कण स्वार्म अनुकूलन (क्यूपीएसओ) एल्गोरिदम का उपयोग करके किया गया है, जो डीबीएन के संरचनात्मक पैरामीटर को अनुकूलित करने में सहायक है। इसके बाद, निकाली गई विशेषताओं के आधार पर एक समर्थन वेक्टर मशीन (एसवीएम) आधारित प्रारंभिक दोष निदान मॉडल बनाया जाता है, जहाँ एसवीएम के नियमितीकरण पैरामीटर और चौड़ाई कारक को क्यूपीएसओ एल्गोरिदम का उपयोग करके उत्पन्न किया जाता है। सलेन-की बैंडपास फ़िल्टर और चार-ऑप-ऐम्प बायक्वाड उच्च पास फ़िल्टर प्रारंभिक दोष निदान सिमुलेशन आयोजित किए जाते हैं ताकि प्रस्तावित निदान विधि को प्रदर्शित किया जा सके, और तुलना से पुष्टि होती है कि प्रस्तावित निदान विधि अन्य सामान्य एनालॉग सर्किट दोष निदान विधियों की तुलना में उच्च निदान सटीकता उत्पन्न कर सकती है।