-
题名基于LM算法改进BP神经网络的薄膜电阻高精度测量
- 1
-
-
作者
张钰
王琰
彭正凤
马俊杰
王静
-
机构
南京邮电大学通达学院通信工程学院
南京邮电大学通达学院计算机工程学院
南京邮电大学通达学院基础教学部
-
出处
《大学物理实验》
2025年第2期64-69,共6页
-
基金
江苏省高等学校自然科学基金(20KJB140006)
南京邮电大学通达学院大学生科技创新训练计划(202413989022Y)。
-
文摘
在半导体工艺中,电阻测量极其关键。传统四探针法在测量薄膜的电阻时,需对范德堡函数进行非线性拟合,不仅耗时较长,且精度较差。针对该现象提出了一种基于Levenberg-Marquardt(LM)算法的Back propagation neural network(BPNN)神经网络模型。LM算法结合了梯度下降法和牛顿法的优点,在迭代过程中快速接近全局最小值,且对于局部最小值的陷落情况优于纯梯度下降法,结合BP神经网络的反向传播误差来调整权重,从而实现复杂非线性函数的拟合。对含反双曲余弦的超越函数(范德堡函数)的局部参数进行非线性拟合,得到最大偏差为2.08×10^(-5),相对标准偏差为2.16×10^(-8)的神经网络拟合模型,对比规范化多项式拟合方法精度提升99.5%。此改进方法,可极大提高测量结果的稳定性与精确性,将模型运用于实验测量过程,有效改善了电阻率测试精度。
-
关键词
BP神经网络
范德堡法
非线性函数拟合
电阻率测量
LM算法
-
Keywords
back propagation neural network
Vanderbilt method
nonlinear function fitting
resistivity measurement
Levenberg Marquardt algorithm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
