基于神经网络的多核功耗预测策略
多/众核处理器是计算机发展的趋势.在多/众核处理器的设计过程中,如何从庞大的设计空间中找出满足条件的设计结构,成为了关键和难点.为了解决传统软件模拟技术开销大、效率低等问题,提出了基于神经网络的模型来预测多核处理器的性能和功耗,建立了BP与RBF两种神经网络预测模型,利用SESC模拟器进行CPI与POW-ER模拟,并比较分析了两种预测模型的预测精度和可靠性.模拟结果表明,采用神经网络预测模型平均误差控制在1.6%~6.6%,较传统的软件模拟等方法,能更有效地节省时间、提高效率,其中,RBF神经网络预测模型具有更好的预测精度.
多核体系结构、机器学习、SESC模拟、预测模型
41
TP183(自动化基础理论)
国家自然科学基金61303029;留学回国人员科研启动基金[2012]1707;中央高校基本科研业务费专项资金2013-Ⅳ-054
2014-08-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-51