文献类型：期刊文章

作　　者：张钰[1] 王琰[1] 彭正凤[2] 马俊杰[2] 王静[3]

ZHANG Yu;WANG Yan;PENG Zhengfeng;MA Junjie;WANG Jing(School of Communication Engineering,Tongda College of Nanjing University of Posts and Telecommunications,Yangzhou 225127,China;School of Computer Engineering,Tongda College of Nanjing University of Posts and Telecommunications,Yangzhou 225127,China;Department of Basic Education,Tongda College of Nanjing University of Posts and Telecommunications,Yangzhou 225127,China)

机构地区：[1]南京邮电大学通达学院通信工程学院,江苏扬州225127 [2]南京邮电大学通达学院计算机工程学院,江苏扬州225127 [3]南京邮电大学通达学院基础教学部,江苏扬州225127

出　　处：《大学物理实验》

基　　金：江苏省高等学校自然科学基金(20KJB140006);南京邮电大学通达学院大学生科技创新训练计划(202413989022Y)。

年　　份：2025

卷　　号：38

期　　号：2

起止页码：64-69

语　　种：中文

收录情况：普通刊

摘　　要：在半导体工艺中,电阻测量极其关键。传统四探针法在测量薄膜的电阻时,需对范德堡函数进行非线性拟合,不仅耗时较长,且精度较差。针对该现象提出了一种基于Levenberg-Marquardt(LM)算法的Back propagation neural network(BPNN)神经网络模型。LM算法结合了梯度下降法和牛顿法的优点,在迭代过程中快速接近全局最小值,且对于局部最小值的陷落情况优于纯梯度下降法,结合BP神经网络的反向传播误差来调整权重,从而实现复杂非线性函数的拟合。对含反双曲余弦的超越函数(范德堡函数)的局部参数进行非线性拟合,得到最大偏差为2.08×10^(-5),相对标准偏差为2.16×10^(-8)的神经网络拟合模型,对比规范化多项式拟合方法精度提升99.5%。此改进方法,可极大提高测量结果的稳定性与精确性,将模型运用于实验测量过程,有效改善了电阻率测试精度。

关 键 词：BP神经网络 范德堡法  非线性函数拟合  电阻率测量 LM算法

分 类 号：TP183]