基于GA-DNN模型的RRAM数据自动化分析系统OACSTPCD

为了整合RRAM器件的测试数据,提升RRAM器件性能探知效率,构建了一套适用于RRAM测试数据分析和可视化的Web系统。结合Set和Reset操作的测试数据,提出一种GA-DNN模型算法,用于预测RRAM器件操作电压,从而为相同测试条件的实验提供可信的预测范围。相比于BPNN模型和CNN模型,在测试集相对误差小于15%的评估条件下,GA-DNN模型使得Set电压的预测精度分别提升了11.38%和2.33%;同时,Reset电压的预测精度分别提升了9.25%和2.54%。最终,系统采用B/S架构、Vue.js前端框架和Django后端框架建立了前后端分离的RRAM器件测试数据分析系统。该系统可进行RRAM器件的测试数据统计、可视化分析以及测试电压预测。