KIS 采样训练方案

罕见极值预测更准

专攻数据不平衡问题，显著提升 CNN 自动虚拟测量模型对极端值的预测精度。

Yu-Ming, Hsieh · Chun-Ting, Liu · Sheng-Yu, Huang · Chi, Li · Wilch, Jan · Vogel-Heuser, Birgit · Cheng, Fan-Tien

IEEE Robotics and Automation Letters 2024

技术优势

极端值更准

通过保留重要样本实现数据平衡，缓解稀有且不平衡的测量值分布对模型训练的影响，显著提升极端值预测准确率。

训练更灵活

KIS方案不要求收集满固定数量的样本才更新模型，而是根据样本重要性动态保留，使模型更新更及时。

应用场景

• 半导体先进制程：提升晶圆关键尺寸的虚拟测量精度，减少实际抽样。
• TFT-LCD 生产良率：对稀有缺陷样本更准的预测，帮助及时调整工艺防止良率损失。
• 智能制造质量预测：在不平衡数据下提供可靠的极端质量指标预测，支撑实时质量控制。
• 工业物联网在线检测：在线预测关键质量参数时能准确捕捉异常极值，减少漏检。