摘要
本发明公开一种光刻胶收缩量预测方法,其包括获取输入数据,其中,所述输入数据包括CD‑SEM测量条件、CD‑SEM测量到的光刻胶厚度和光刻胶宽度原始数值;将获取的输入数据输入到预先训练好的预测模型,并获取所述预测模型的输出结果,其中,所述预测模型为基于蜘蛛蜂优化算法和支持向量回归算法训练得到,所述输出结果为光刻胶在CD‑SEM测量下的收缩量。本发明的方法利用支持向量回归(SVR)来构建光刻胶收缩预测模型,并通过蜘蛛蜂优化算法对支持向量回归模型进行参数寻优,从而提升SVR的回归性能,因而训练生成的预测模型在预测光刻胶收缩值方面能够达到更精准的预测结果,这有助于提高CD‑SEM的计量准确性。
技术关键词
支持向量回归算法
光刻胶厚度
量预测方法
关键尺寸扫描电子显微镜
支持向量回归模型
训练样本集
生成预测模型
量预测系统
参数
缩减技术
数据
数值
电子设备
处理器通信
存储器
指令
系统为您推荐了相关专利信息
可溶性固形物
全基因组关联分析
葡萄
机器学习模型
支持向量回归模型
时间预测模型
支持向量回归模型
超参数
成分分析
血清
图像重建方法
线性回归模型
数据
OCT系统
标签
产品质量预测方法
待测产品
多层前馈神经网络
数据
节点
破碎设备
负荷优化分配方法
非线性映射关系
支持向量回归算法
粒子群优化算法