Abstract This paper is based on fundamental research to develop the interface structure around the grains and to control the layers between two grains, as a prospective media for high-level electronic parameters integrations. We performed the experiments based on nano-BaTiO3 powders with Y additives. All results on dielectric parameters on submicron level are the part of global values the same measured characteristics at the bulk samples. The original idea is to develop the new computing ways to network electronic parameters in thin layers between the grains on the way to get and to compare the values on the samples. Artificial neural networks are computing tools that map input-output data and could be applied on ceramic electronic parameters. These are developed in the manner signals are processed in biological neural networks. The signals are processed by using elements which represent artificial neurons, which have a simple function to process input signal, as well as adjustable parameter which has an influence to change output signal. The total network output presents the sum of a large number neurons outputs. This important research idea is to connect analysis results and neural networks. There is a great interest to connect all of these microcapacitances by neural network with the goal to compare the results in the standard bulk samples measurements frame and microelectronics parameters. The final result of the study was functional relation definition between consolidation parameters, voltage (U) and relative capacitance change, from the level of the bulk sample down to the grains boundaries.

中文翻译：

---

人工神经网络在微电子晶间关系确定中的应用

摘要 本文基于基础研究，开发晶粒周围的界面结构并控制两个晶粒之间的层，作为高级电子参数集成的预期介质。我们基于含有 Y 添加剂的纳米 BaTiO3 粉末进行了实验。亚微米级介电参数的所有结果都是在大块样品中具有相同测量特性的全局值的一部分。最初的想法是开发新的计算方法，在获取和比较样品值的过程中，将晶粒间薄层中的电子参数联网。人工神经网络是映射输入输出数据的计算工具，可应用于陶瓷电子参数。这些是以在生物神经网络中处理信号的方式开发的。信号通过使用代表人工神经元的元件进行处理，人工神经元具有处理输入信号的简单功能，以及影响改变输出信号的可调参数。总网络输出表示大量神经元输出的总和。这个重要的研究思路是连接分析结果和神经网络。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。它具有简单的处理输入信号的功能，以及影响改变输出信号的可调参数。总网络输出表示大量神经元输出的总和。这个重要的研究思路是连接分析结果和神经网络。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。它具有简单的处理输入信号的功能，以及影响改变输出信号的可调参数。总网络输出表示大量神经元输出的总和。这个重要的研究思路是连接分析结果和神经网络。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。总网络输出表示大量神经元输出的总和。这个重要的研究思路是连接分析结果和神经网络。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。总网络输出表示大量神经元输出的总和。这个重要的研究思路是连接分析结果和神经网络。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。人们对通过神经网络连接所有这些微电容非常感兴趣，目的是比较标准大容量样品测量框架和微电子参数中的结果。研究的最终结果是固结参数、电压 (U) 和相对电容变化之间的函数关系定义，从大块样品的水平到晶界。