。cc-by-nc 4.0国际许可证未获得同行评审的认证)是作者/筹款人,他已授予Biorxiv的许可证,以永久显示预印本。它是制作
对耦合和因果关系的时间和频域度量的评估依赖于线性多元过程的参数表示。时间序列之间时间依赖性的研究基于矢量自回旋模型的识别。通过通过普通最小二乘(OLS)估计器解决的回归问题的定义来实现此过程。但是,其准确性受到数据点不足的强烈影响,并且并不能保证稳定的解决方案。要克服这个问题,可以使用受惩罚的回归技术。这项工作的目的是将OLS的行为与不同实验条件下连通性分析的不同惩罚回归方法进行比较。偏见,用于此目的的网络结构重建和计算时间的重建精度。通过模拟数据在不同量的可用数据示例中实现不同的地面真实网络的模拟数据测试了不同的惩罚回归。然后,将方法应用于从执行运动成像任务的健康志愿者中记录的真实脑电图信号(EEG)。惩罚的回归优于仿真设置中的OLS。实际脑电图数据上的应用程序显示了如何使用从大脑网络中提取的功能,即使在数据匮乏的条件下,也可以在两个任务之间进行分解。惩罚回归技术可用于大脑连通性估计,并且可以根据线性假设克服经典OLS施加的局限性来计算所有连接性估计器。
线边缘粗糙度 (LER) 的测量最近已成为光刻计量学界和整个半导体行业关注的话题。高级计量咨询小组 (AMAG) 是由国际 SEMATECH (ISMT) 联盟成员公司和美国国家标准与技术研究所 (NIST) 的首席计量学家组成的委员会,该委员会有一个项目,旨在研究 LER 指标并指导关键尺寸扫描电子显微镜 (CD-SEM) 供应商社区采用半导体行业支持的标准化解决方案。2003 年国际半导体技术路线图 (ITRS) 包含了粗糙度的新定义。ITRS 设想了边缘和宽度粗糙度的均方根测量。还有其他可能的指标,其中一些在这里进行了调查。ITRS 设想将均方根测量限制在粗糙度波长范围内,该波长落在指定的工艺相关范围内,并且测量重复性优于指定的公差。本研究解决了满足这些规范所需的测量选择。推导出必须测量的线长表达式以及沿该长度的测量位置间距。图像中的噪声会产生粗糙度测量误差,这些误差既有随机成分,也有非随机成分(即偏差)。在特殊测试图案中报告了对紫外线抗蚀剂和多晶硅的测量结果,这些材料的粗糙度是典型的。这些测量表明,粗糙度测量对噪声的灵敏度主要取决于边缘检测算法的选择和焦点的质量。当使用基于模型或 S 形拟合算法且图像对焦良好时,测量对噪声的敏感度较低。使用测量的 UV 抗蚀剂线的粗糙度特性并应用 ITRS 对 90 nm 技术节点的要求,得出的采样长度和采样间隔表达式意味着必须以 7.5 nm 或更小的间隔测量至少 8 倍节点(即 720 nm)的线长。