【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种时序分析模型生成方法、装置、电子设备及存储介质。
技术介绍
1、随着集成电路工艺的不断发展，芯片应用场景逐渐复杂，为了确保芯片的正常工作，时序分析需要在不同温度、电压、工艺的组合下进行。目前，工艺角数量的增加带来的芯片设计周期增加和计算资源消耗增大的问题不断凸显。
2、现有技术中，在进行众工艺角时序分析时，主要利用部分工艺角下的时序信息训练机器学习模型，预测其他工艺角下的时序信息。
3、但现有的时序分析方法存在没有兼顾考虑输入特征选择、样本数据增强以及预测模型选择对模型预测精度影响的问题，使得已有的基于机器学习算法生成的时序分析模型不能在减少运行时间的同时取得高精度的时序预测效果。
技术实现思路
1、本申请的目的在于，针对上述现有技术中的不足，提供一种时序分析模型生成方法、装置、电子设备及存储介质，可以在减少运行时间的同时取得高精度的时序预测效果。
2、为实现上述目的，本申请实施例采用的技术方案如下：
3、第一方...
【技术保护点】
1.一种时序分析模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述众工艺角下的路径延时数据以及预设选择方法，提取符合筛选条件的已知工艺角作为特征工艺角子集、剩余未知工艺角为标签工艺角子集，包括：
3.根据权利要求2所述的方法，其特征在于，所述众工艺角包括N个工艺角，其中N为大于0的整数；
4.根据权利要求1所述的方法，其特征在于，所述根据所述新的延时数据集、所述原始延时数据集与初始极限梯度提升模型进行训练，获取时序分析模型，包括：
5.根据权利要求1或4所述的方法，其特征在于...
【技术特征摘要】
1.一种时序分析模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述众工艺角下的路径延时数据以及预设选择方法，提取符合筛选条件的已知工艺角作为特征工艺角子集、剩余未知工艺角为标签工艺角子集，包括：
3.根据权利要求2所述的方法，其特征在于，所述众工艺角包括n个工艺角，其中n为大于0的整数；
4.根据权利要求1所述的方法，其特征在于，所述根据所述新的延时数据集、所述原始延时数据集与初始极限梯度提升模型进行训练，获取时序分析模型，包括：
5.根据权利要求1或4所述的方法，其特征在于，所述预设生成模型包括：变分自动编码器；
6.根据权利要求4所述的方法，其特征在于，所述将所述合并后的延时数据集代入合成少数类过采样技术模型进行增强，获取增强后的数据集，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述平均距离和距离条件，对所述少类数据集进行增强，得到多个目标少类数据，包括：
<...【专利技术属性】
技术研发人员：邓宇，曹鹏，宋仟仟，
申请(专利权)人：飞腾信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。