كاربرد شبكه هاي عصبي مصنوعي در تشخيص و تعيين محل خطا در مدار فيلتر ميان گذر فعال با بهره گيري از الگوريتم پس انتشار خطا (BP)

امروزه با گسترش و پيچيده تر شدن سيستم هاي الكترونيكي، ارزيابي خطاهاي آنها يكي از ضروريات بهره برداري مي باشد. تشخيص عملكرد صحيح قطعات الكترونيكي بسيار پيچيده بوده و اگر برنامه تست بر روي يك جز ناسالم واقع شود تشخيص خطا بسيار دشوار مي باشد و به دنبال آن كنترل كيفيت سيستم به علت خطا كاهش مي يابد. در سال هاي اخير استفاده از تكنيك هاي شبكه هاي عصبي بدليل قابليت هاي بالاي آنها، براي حل مسائل پيچيده الكترونيكي مورد توجه بسيار زيادي قرار گرفته است و به عنوان روشي موفق در تشخيص نقايص بوده است. مهمترين روش رايج، بر مبناي روش هاي شناسايي الگو پايه گذاري شده است. در اين مقاله مي خواهيم از قابليت هاي تشخيص الگوي شبكه عصبي به منظور تشخيص خطاي مدارات آنالوگ با تولرانس استفاده كنيم. هدف اصلي اين مقاله فراهم آوردن الگوريتم تشخيص بر اساس خطاي مولفه هاي مدار و همچنين كاهش هزينه و زمان تست مدار مي باشد. براي نيل به اين هدف از شبكه عصبي پرسپترون چند لايه و الگوريتم پس انتشار خطا استفاده مي كنيم.