版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、分類號——UDC密級——學(xué)校代碼三絲皇Z劣海理歹大客學(xué)位論文題目基墮E益絲圈鱉絲壘拯遮鹽窒閨拯盍塑型搓型一一英文multi—coredesignspaceexplorationpredictionmodel題目研究生姓名楊敏龍姓名盔孟逮職稱型墼蕉學(xué)位遣指導(dǎo)教師單位名稱鹽差墊登堂當(dāng)墊苤芏墮?quán)]編箜QQzQ申請學(xué)位級別亟學(xué)科專業(yè)名稱鹽差扭廛旦墊查論文提交日期2Q!圣生壘旦論文答辯日期至Q!墨主量旦學(xué)位授予單位武這堡王太堂學(xué)位授予日期答辯委員會
2、主席鹽查評閱人蔓絲蕉奎鹽2013年4月摘要多核處理器不但在科學(xué)研究領(lǐng)域成為熱門主題,在商業(yè)市場上也呈現(xiàn)出蓬勃發(fā)展的趨勢。由于多核處理器與單核處理器在體系結(jié)構(gòu)分析上存在一定的差異性,特別是在處理器的設(shè)計過程中,如何從龐大設(shè)計空間中快速找出滿足條件的設(shè)計結(jié)構(gòu),成為了世界研究者們關(guān)心的問題。研究者們利用軟件模擬技術(shù)模擬不同配置下處理器的性能功耗。為了減少模擬時長,先后采用統(tǒng)計采樣和統(tǒng)計模擬等減少指令的加速模擬方法,并沒有從根本上解決模擬過程總
3、時間太長的問題。先建立模型后采用預(yù)測的方法,即預(yù)測模型,能夠有效降低模擬器模擬多核配置的次數(shù),比其他加速模擬技術(shù)更加優(yōu)越。本文運用多核模擬器模擬部分訓(xùn)練配置,利用神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型,最后通過MATLAB預(yù)測未知配置參數(shù)處理器的執(zhí)行性能與功耗值。以便指導(dǎo)多核處理器的設(shè)計。整個過程主要使用了SESC模擬器與MATLAB工具,實驗結(jié)果顯示神經(jīng)網(wǎng)絡(luò)模型根據(jù)多核設(shè)計參數(shù),能夠較好的預(yù)測不同負(fù)載在不同配置下的執(zhí)行性能和功耗值。主要研究內(nèi)容如下:1
4、討論了神經(jīng)元與RBF神經(jīng)網(wǎng)絡(luò)模型。分析了神經(jīng)元的數(shù)學(xué)模型,學(xué)習(xí)了人工神經(jīng)元的信息處理流程。詳細(xì)講解了BP神經(jīng)網(wǎng)絡(luò)模型和RBF神經(jīng)網(wǎng)絡(luò)模型,并列出了RBF神經(jīng)網(wǎng)絡(luò)的詳細(xì)建立過程。2通過SESC多核模擬器的模擬結(jié)果,在RATLAB上建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型。從微體系結(jié)構(gòu)配置參數(shù)中選出影響結(jié)果較大的八個重要參數(shù),用拉丁超立方體抽樣隨機抽取訓(xùn)練數(shù)據(jù),利用抽取的配置參數(shù)組合在SESC多核模擬器模擬運行SPLASH2CPU基
5、準(zhǔn)測試程序ftt、radix、fmm,獲取各自對應(yīng)的性能值和功耗值。通過測試樣本的設(shè)計參數(shù)和模擬運行的結(jié)果,在ⅥATLAB上反復(fù)訓(xùn)練后,分別建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型。3比較分析BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測精度和可靠性。為了驗證神經(jīng)網(wǎng)絡(luò)預(yù)測模型的可行性,重新從設(shè)計空間中抽取配置參數(shù)樣本,分別用軟件模擬與預(yù)測模型預(yù)測,比較兩者的性能功耗結(jié)果。在預(yù)測模型的訓(xùn)練時間開銷上,RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于RBF神經(jīng)網(wǎng)絡(luò)的期貨走勢預(yù)測模型研究.pdf
- 基于改進RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測模型研究.pdf
- 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點預(yù)測模型研究.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的多因素時間序列預(yù)測模型研究.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測研究綜述
- 基于免疫RBF神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的電網(wǎng)短期負(fù)荷預(yù)測.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)與蟻群算法的瓦斯預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)并行學(xué)習(xí)模型的數(shù)據(jù)分類及預(yù)測研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的高速公路追尾預(yù)測模型的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測模型的研究.pdf
- P2P網(wǎng)絡(luò)環(huán)境下基于RBF神經(jīng)網(wǎng)絡(luò)的信任預(yù)測模型.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究.pdf
- 服裝銷售預(yù)測方法及RBF神經(jīng)網(wǎng)絡(luò)模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的金融時序列預(yù)測研究.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)股票預(yù)測研究開題報告
- 基于RBF神經(jīng)網(wǎng)絡(luò)短期熱網(wǎng)負(fù)荷預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的入侵預(yù)測模型.pdf
評論
0/150
提交評論