تست فيلتر ميان گذر فعال با استفاده از شبكه ي عصبي مصنوعي با بهره گيري از الگوريتم هاي پس انتشار خطا (BP) و تابع پايه شعاعي (RBF)

نقايص كوچك در تغيير عناصر نسبت به مقدار ناميشان در مدارها باعث بروز خطا و خرابي در كل مدار مي شود. به همين دليل تشخيص و مكان يابي نقص در مدارهاي آنالوگ به يك مسئله پيچيده تبديل شده است. يكي از مشكلات الگوريتم هاي آزمون مدارات الكتريكي اين است كه براي هر قطعه برنامه اي خاص صورت مي گيرد و تغيير قطعه، تغيير برنامه را در پي دارد. شبكه هاي عصبي مصنوعي قابليت تطبيق پذيري لازم، براي انجام عمل خاص در حين آموزش را دارند، در نتيجه با تغيير مدار، فقط بانك اطلاعاتي ورودي به شبكه تغيير خواهد كرد و نياز به برنامخ نويسي مجدد نمي باشد. با توجه به مطالب ذكر شده هدف اصلي اين مقاله فراهم آوردن الگوريتم تشخيص بر اساس خطاي مولفه هاي مدار و همچنين كاهش هزينه و زمان تست مدار مي باشد. علاوه بر اين با اين روش مي توانيم چالش هاي مربوط به تست كردن بوردهاي الكترونيكي كه به منظور ضمانت كيفيت آنها انجام ميشود، از بين ببريم. براي رسيدن به اهداف مذكور، از شبكه عصبي پرسپترون چند لايه و دو الگوريتم مشهور تابع شعاعي (RBF) و پس انتشار خطا (BP) استفاده خواهيم كرد.