On Fault Diagnosis using Bayesian Networks ; A Case Study of Combinational Adders.

Sara Zermani 1 Catherine Dezan 2 Reinhardt Euler 2
2 Lab-STICC_UBO_CACS_MOCS
Lab-STICC - Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance, UBO - Université de Brest
Abstract : In this paper, we use Bayesian networks to reduce the set of vectors for the test and the diagnosis of combinational circuits. We are able to integrate any fault model (such as bit-flip and stuck-at models) and consider either single or multiple faults. We apply our method to adders and obtain a minimum set of vectors for a complete diagnosis in the case of the bit-flip model. A very good diagnosis coverage for the stuck-at fault model is found with a minimum set of test vectors and a complete diagnosis by adding few vectors.
Type de document :
Rapport
2014
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger

http://hal.univ-brest.fr/hal-00966414
Contributeur : Sara Zermani <>
Soumis le : mercredi 26 mars 2014 - 15:45:03
Dernière modification le : mardi 16 janvier 2018 - 15:54:23
Document(s) archivé(s) le : jeudi 26 juin 2014 - 11:36:19

Fichier

Project-Report.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00966414, version 1

Citation

Sara Zermani, Catherine Dezan, Reinhardt Euler. On Fault Diagnosis using Bayesian Networks ; A Case Study of Combinational Adders.. 2014. 〈hal-00966414〉

Partager

Métriques

Consultations de la notice

429

Téléchargements de fichiers

388