基于BP神经网络的处理器节能技术研究
研究芯片功耗中动态功耗部分,针对传统动态节能技术动态电压与频率调节(dynamic voltage and fre-quency scaling,DVFS)技术未能考虑预测CPU未来阶段行为的不足,提出BP-DVFS节能策略.为了提高下一阶段CPU利用率的预测准确性,更准确地对CPU进行动态调频进而降低其运行功耗.构建了一种FPU-CPU(forward predict utilization CPU)模型.模型假设下一时间段CPU利用率与CPU运行资源有关的事件特征量存在非线性函数关系,从处理器运行时环境出发提取出与CPU资源紧密相关的5个特征量进行度量,采用BP神经网络进行拟合训练.用训练后得到的神经网络预测CPU下一阶段的利用率,进行CPU处理不同类型任务程序的功耗仿真实验.并在相同实验条件下与常用的3种CPU调频策略实验结果进行对比.实验结果表明,在CPU处理不同类型任务程序时,采用BP-DVFS策略进行调频的CPU功耗都低于其他3种策略进行调频的CPU功耗.通过实验验证,本文提出的方法提高了预测CPU利用率的准确度,降低了CPU运行时功耗.同时验证了假设的合理性与有效性以及此方法实现CPU低功耗运行是有效的.
节能、DVFS、BP神经网络、动态电压与频率调节
50
TP391(计算技术、计算机技术)
国家自然科学基金重点项目资助61332001;国家自然科学基金资助项目61772352,61472050;四川省科技计划资助项目2015GZ0103;成都市科技惠民技术研发项目资助2014-HM01-00326-SF
2018-02-02（万方平台首次上网日期，不代表论文的发表时间）
共6页
107-112
