Sneak Circuit Analysis Based on Novel Coadjacent Neural Network Model for Reliability Control of Complex System

Abstract

摘要: 潜在问题是影响大型复杂系统安全性、可靠性的重要因素. 神经网络是一种新的潜在问题分析方法, 但是其分析结果难以解释. 本文提出了一种基于电路结构的神经网络模型 (Neural network model based on circuit architecture, CArNN), 将 CArNN 作为个体进行集成, 形成神经网络集成用于潜在问题分析. 对 CArNN 模型的鲁棒性进行了分析, 提出了两个保证模型鲁棒性的约束条件. 利用此方法对一个经典电路进行了分析, 结果显示, 此方法对潜在电路的正确识别率达到94\%. 关键词: 潜在问题分析 / 可靠控制 / 神经网络集成 / 克隆选择算法 / 鲁棒性分析 / 泛化性能