1) don t care bits masking
不确定位屏蔽
2) Screening location
屏蔽定位
3) don t care bits
不确定位
1.
Then,we present a method based on don t care bits(X) in test vectors.
然后,我们提出了一种基于测试向量中不确定位(X位)、使用遗传算法优化集成电路测试时漏电流的方法。
2.
Using the simulator, we give a method based on the don t care bits in the test vectors to optimize the static test power.
本文设计了一种基于堆栈效应的漏电流模拟器,并提出了通过该模拟器,利用测试向量中特有的不确定位以优化测试中静态功耗的方法。
4) neutron intensity
屏蔽准确性
5) screened potential
屏蔽位势
6) location shield
区位屏蔽
补充资料：不确定型决策
在无法估计系统行动方案所处状态概率的情况下进行的决策。不确定型决策的基本方法是先用效用值表示各种可能的后果，构造一张支付表，再用一定的评价准则来评定各个方案的优劣,从而选出最优方案。若有n种行动方案(a1,a2,...,an)可供选择，可能出现m 个状态(θ1,θ2,...,θm)，方案ɑi在状态θj所出现的后果用效用值表示,记作Cij=C(ai，θj),即可得出构造矩阵表,又称支付表（见表）。根据支付表可用不同准则评价方案的优劣，从而选出最优行动方案（或称最优策略）。常用的准则有拉普拉斯准则、瓦尔德准则、赫维兹准则、混合准则和萨沃格准则。
拉普拉斯准则 这个准则假定所有状态都是以相等概率出现:P(θ1)=P(θ2)=...=P(θm)=1/m，P(θj)为θj状态下的概率。用期望效用值ū(ai)作为评价方案ɑi的准则：
满足的方案a壟为最优方案。
瓦尔德准则 又称悲观准则或max-min准则。用这一准则决策时对客观情况的估计持悲观态度，在支付表中对每一方案ɑi总是估计会出现最坏结果，从中找出一个较好的方案。其评价准则为
满足的方案a壟为最优方案。
赫维兹准则 又称乐观准则或max-max准则。用这一准则决策时对客观情况的估计总是抱乐观态度，在支付表中对每一方案ɑi总是估计会出现最好结果，其评价准则为
使ū(ɑi)最大的方案a壟为最优方案。
混合准则 又称 α乐观准则。在支付表中对每一方案 ɑi既非全部悲观，也非全部乐观，而是各取一部分。为此引入系数α ，满足0≤α≤1，因此
使ū(ɑi)最大的方案a壟为最优方案。
萨沃格准则 又称遗憾准则。在支付表中先按列计算其最大值，同列中未达到最大值者与最大值的差值称为遗憾值，记为Rij。这些Rij构成遗憾值矩阵,对遗憾值矩阵每一行取最大值,记为 ，i=1,2,...,n。在所有中取最大者，a*就是最优方案。
在同一个支付矩阵表的情况下，由于所采用的准则不同，所选出的最优方案常常不同。因此需要根据决策者所遇到问题的实际情况决定采用什么准则，有时也可采用多种准则互相参照。
参考书目
A.P.Sage, Methodology for Large Scale Systems, McGraw-Hill, New York,1977.
拉普拉斯准则 这个准则假定所有状态都是以相等概率出现:P(θ1)=P(θ2)=...=P(θm)=1/m，P(θj)为θj状态下的概率。用期望效用值ū(ai)作为评价方案ɑi的准则：
满足的方案a壟为最优方案。
瓦尔德准则 又称悲观准则或max-min准则。用这一准则决策时对客观情况的估计持悲观态度，在支付表中对每一方案ɑi总是估计会出现最坏结果，从中找出一个较好的方案。其评价准则为
满足的方案a壟为最优方案。
赫维兹准则 又称乐观准则或max-max准则。用这一准则决策时对客观情况的估计总是抱乐观态度，在支付表中对每一方案ɑi总是估计会出现最好结果，其评价准则为
使ū(ɑi)最大的方案a壟为最优方案。
混合准则 又称 α乐观准则。在支付表中对每一方案 ɑi既非全部悲观，也非全部乐观，而是各取一部分。为此引入系数α ，满足0≤α≤1，因此
使ū(ɑi)最大的方案a壟为最优方案。
萨沃格准则 又称遗憾准则。在支付表中先按列计算其最大值，同列中未达到最大值者与最大值的差值称为遗憾值，记为Rij。这些Rij构成遗憾值矩阵,对遗憾值矩阵每一行取最大值,记为 ，i=1,2,...,n。在所有中取最大者，a*就是最优方案。
在同一个支付矩阵表的情况下，由于所采用的准则不同，所选出的最优方案常常不同。因此需要根据决策者所遇到问题的实际情况决定采用什么准则，有时也可采用多种准则互相参照。
参考书目
A.P.Sage, Methodology for Large Scale Systems, McGraw-Hill, New York,1977.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条