The dataset was divided into 80% and 20% for network training and testing, respectively. The ISCAS85 benchmark was chosen as a set of combinational circuits for the final validation of the algorithms, each circuit of which was brought to the required format, and all its parameters were calculated. Fig. 1 shows the main results reflecting the quality of the algorithms. The average deviation between the predicted values and the reference values was: 3.41% and 59.92% on the generated dataset and on the ISCAS85 benchmark, respectively, when using XGBoost; and 3.4% and 5.2%, respectively, when using a regression neural network.
Датасет был разделена на 80% и 20% для обучения и тестирования сети соответственно. В качестве набора комбинационных схем для итоговой валидации работы алгоритмов был выбран бенчмарк ISCAS85, каждая схема которого была приведена в необходимый формат и вычислены все ее параметры. Среднее отклонение между предсказанными значениями и эталонными составили: 3,1% и 9,9% на сгенерированном датасете и на бенчмарке ISCAS85 соответственно при использовании XGBoost; 3,4% и 5,2% соответственно при использовании регрессионной нейронной сети.