一种面向小样本场景下芯片电源网络电压降预测的数据增强及迁移学习方法

本发明公开了一种面向小样本场景下芯片电源网络电压降预测的数据增强及迁移学习方法，包括：获取公开的大规模训练数据集以及新的工艺参数或新的芯片设计类型的少量训练样本；提取源域S和目标域T中每个样本的标签，计算每一个标签的梯度G，再分别计算源域S和目标域T中样本标签的平均梯度Gmean_S和Gmean_T，计算缩放系数R；根据缩放系数R，对源域S中的样本的特征和标签按比例缩放；重复前述步骤，直至制作出供后续迁移学习使用的增强学习数据集。本发明能够解决目前芯片电源网络压降预测领域中由于训练样本稀缺导致的预测精度严重下降的技术问题。