联合mRMR算法和BP神经网络的集成电路测试方法

集成电路规模的急剧增大显著加了测试成本.针对集成电路测试成本过高的问题,提出了一种适应性测试方法.将最小冗余最大相关算法与BP神经网络相结合.首先通过最小冗余最大相关算法选择重要的测试项,仅测试重要的测试项并组成特征集合,然后使用BP神经网络模型预测测试结果.实验结果表明,相较于传统测试方法,该方法以牺牲0.1％的测试逃逸率为代价,降低了45％以上的测试成本.与其他适应性测试方法相比,该方法的测试逃逸降低91％以上,可以在测试成本和测试质量之间选择最优解.