CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING

Two machine learning modules or models are used to generate a recipe. A first machine learning module determines a set of recipes based on measured signals. The second machine learning module analyzes the set of recipes based on a cost function to determine a final recipe. The second machine learnin...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: KUZNETSOV, Alexander, YERUSHALMI, Liran
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page
container_issue
container_start_page
container_title
container_volume
creator KUZNETSOV, Alexander
YERUSHALMI, Liran
description Two machine learning modules or models are used to generate a recipe. A first machine learning module determines a set of recipes based on measured signals. The second machine learning module analyzes the set of recipes based on a cost function to determine a final recipe. The second machine learning module also can determine settings if the set of recipes fail evaluation using the cost function. Selon l'invention, deux modules ou modèles d'apprentissage automatique sont utilisés pour générer une recette. Un premier module d'apprentissage automatique détermine un ensemble de recettes sur la base de signaux mesurés. Le deuxième module d'apprentissage automatique analyse l'ensemble de recettes sur la base d'une fonction de coût pour déterminer une recette finale. Le deuxième module d'apprentissage automatique peut également déterminer des réglages si l'ensemble de recettes échoue à l'évaluation en utilisant la fonction de coût.
format Patent
fullrecord <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2023076080A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2023076080A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2023076080A13</originalsourceid><addsrcrecordid>eNrjZPBy9vcL8fQL9Q8NVvB1dPbw9HNV8HF1DPLz9HNX8PV3cfVRCAly9ARz3fyDFIJdfT2BWlxCnUOAPF9Hv1A3R-eQ0CCgPA8Da1piTnEqL5TmZlB2cw1x9tBNLciPTy0uSExOzUstiQ_3NzIwMjYwNzOwMHA0NCZOFQBLIS68</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING</title><source>esp@cenet</source><creator>KUZNETSOV, Alexander ; YERUSHALMI, Liran</creator><creatorcontrib>KUZNETSOV, Alexander ; YERUSHALMI, Liran</creatorcontrib><description>Two machine learning modules or models are used to generate a recipe. A first machine learning module determines a set of recipes based on measured signals. The second machine learning module analyzes the set of recipes based on a cost function to determine a final recipe. The second machine learning module also can determine settings if the set of recipes fail evaluation using the cost function. Selon l'invention, deux modules ou modèles d'apprentissage automatique sont utilisés pour générer une recette. Un premier module d'apprentissage automatique détermine un ensemble de recettes sur la base de signaux mesurés. Le deuxième module d'apprentissage automatique analyse l'ensemble de recettes sur la base d'une fonction de coût pour déterminer une recette finale. Le deuxième module d'apprentissage automatique peut également déterminer des réglages si l'ensemble de recettes échoue à l'évaluation en utilisant la fonction de coût.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2023</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20230504&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023076080A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,776,881,25542,76290</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20230504&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023076080A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>KUZNETSOV, Alexander</creatorcontrib><creatorcontrib>YERUSHALMI, Liran</creatorcontrib><title>CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING</title><description>Two machine learning modules or models are used to generate a recipe. A first machine learning module determines a set of recipes based on measured signals. The second machine learning module analyzes the set of recipes based on a cost function to determine a final recipe. The second machine learning module also can determine settings if the set of recipes fail evaluation using the cost function. Selon l'invention, deux modules ou modèles d'apprentissage automatique sont utilisés pour générer une recette. Un premier module d'apprentissage automatique détermine un ensemble de recettes sur la base de signaux mesurés. Le deuxième module d'apprentissage automatique analyse l'ensemble de recettes sur la base d'une fonction de coût pour déterminer une recette finale. Le deuxième module d'apprentissage automatique peut également déterminer des réglages si l'ensemble de recettes échoue à l'évaluation en utilisant la fonction de coût.</description><subject>CALCULATING</subject><subject>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2023</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZPBy9vcL8fQL9Q8NVvB1dPbw9HNV8HF1DPLz9HNX8PV3cfVRCAly9ARz3fyDFIJdfT2BWlxCnUOAPF9Hv1A3R-eQ0CCgPA8Da1piTnEqL5TmZlB2cw1x9tBNLciPTy0uSExOzUstiQ_3NzIwMjYwNzOwMHA0NCZOFQBLIS68</recordid><startdate>20230504</startdate><enddate>20230504</enddate><creator>KUZNETSOV, Alexander</creator><creator>YERUSHALMI, Liran</creator><scope>EVB</scope></search><sort><creationdate>20230504</creationdate><title>CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING</title><author>KUZNETSOV, Alexander ; YERUSHALMI, Liran</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2023076080A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2023</creationdate><topic>CALCULATING</topic><topic>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>KUZNETSOV, Alexander</creatorcontrib><creatorcontrib>YERUSHALMI, Liran</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>KUZNETSOV, Alexander</au><au>YERUSHALMI, Liran</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING</title><date>2023-05-04</date><risdate>2023</risdate><abstract>Two machine learning modules or models are used to generate a recipe. A first machine learning module determines a set of recipes based on measured signals. The second machine learning module analyzes the set of recipes based on a cost function to determine a final recipe. The second machine learning module also can determine settings if the set of recipes fail evaluation using the cost function. Selon l'invention, deux modules ou modèles d'apprentissage automatique sont utilisés pour générer une recette. Un premier module d'apprentissage automatique détermine un ensemble de recettes sur la base de signaux mesurés. Le deuxième module d'apprentissage automatique analyse l'ensemble de recettes sur la base d'une fonction de coût pour déterminer une recette finale. Le deuxième module d'apprentissage automatique peut également déterminer des réglages si l'ensemble de recettes échoue à l'évaluation en utilisant la fonction de coût.</abstract><oa>free_for_read</oa></addata></record>
fulltext fulltext_linktorsrc
identifier
ispartof
issn
language eng ; fre
recordid cdi_epo_espacenet_WO2023076080A1
source esp@cenet
subjects CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
title CONTINUOUS MACHINE LEARNING MODEL TRAINING FOR SEMICONDUCTOR MANUFACTURING
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-31T16%3A53%3A35IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=KUZNETSOV,%20Alexander&rft.date=2023-05-04&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2023076080A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true