检索结果-内蒙古大学图书馆

高技术通讯 2023年第5期33卷 447-458页

作者：贾柯陈烨波王成杨梁王剑计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院计算技术研究所北京100190 中国科学院大学北京100049 龙芯中科技术股份有限公司北京100190 中国科学技术大学先进技术研究院合肥230026

针对片上谐振时钟网络在变频环境下功耗优化能力减弱问题,提出了一种基于可调数字延时控制单元的谐振时钟网络结构———关断调节式谐振时钟电路(DTRC),该结构可有效改善谐振电路在变频环境下的整体功耗优化情况。产生这一问题的根本原... 详细信息

针对片上谐振时钟网络在变频环境下功耗优化能力减弱问题,提出了一种基于可调数字延时控制单元的谐振时钟网络结构———关断调节式谐振时钟电路(DTRC),该结构可有效改善谐振电路在变频环境下的整体功耗优化情况。产生这一问题的根本原因是在系统电感和电容值确定后,电路本征谐振频率固定,对于传统结构,当时钟工作频率偏移谐振频率,谐振电路功耗优化能力减弱,甚至恶化。本文在12 nm Fin-FET工艺下实现完整时钟分布网络(CDN),后仿结果表明,通过调整谐振电路驱动单元关断时间,在时钟1~5 GHz频率范围内,相比传统无谐振电路实现18%~46%功耗优化,相比已有谐振时钟电路实现13%~54%功耗优化。

关键词：谐振时钟低功耗电路动态频率调整(DFS) mesh 时钟分布网络(CDN)

来源：评论

学校读者我要写书评

暂无评论

QingLong:一种基于常变量异步拷贝的神经网络编程模型

引用

计算机学报 2020年第4期43卷 587-599页

作者：杜伟健陈云霁支天吴林阳陈小兵庄毅敏中国科学院计算技术研究所计算机体系结构国家重点实验室中国科学院大学上海寒武纪信息科技有限公司中科寒武纪科技股份有限公司张江实验室脑与智能科技研究院上海脑科学与类脑研究中心

近年来,人工神经网络的研究取得了巨大成就,在图像识别、自然语言处理等领域均有突破性的成果,同时产生了众多商业应用,方便了我们的生活,比如语音助手、辅助驾驶等.由于神经网络算法属于计算密集型和访存密集型的负载,传统CPU处理器已... 详细信息

近年来,人工神经网络的研究取得了巨大成就,在图像识别、自然语言处理等领域均有突破性的成果,同时产生了众多商业应用,方便了我们的生活,比如语音助手、辅助驾驶等.由于神经网络算法属于计算密集型和访存密集型的负载,传统CPU处理器已不能满足其大规模商业化应用的需求,因此学术界和产业界试图在GPU、FPGA和ASIC上寻求突破.其中,神经网络加速器作为一种ASIC,它提供了高性能、低功耗的硬件解决方案,相关研究也越来越多.神经网络加速器作为一种协处理器,在其计算前后需要将数据在主机与设备之间进行搬运.特别是对吞吐量要求较高的神经网络前向推理任务,需要将网络模型参数、硬件指令等常量数据和输入、输出等变量数据,分别从主机内存拷入设备内存.如果常量数据在每一份输入数据计算前都拷贝一次,就存在常量数据重复拷贝的问题,浪费了时间与存储资源.如何在神经网络开发工具软件中实现拷贝多次变量数据但只拷贝一次常量数据,如何保证指令在每次计算中都正确寻址常量和变量,如何简化用户编程,提供用户友好的接口,就成为一系列值得研究的问题.在本文中,我们提出了一种基于常变量异步拷贝的神经网络开发工具软件及其编程模型QingLong来解决上述问题. QingLong编程模型包含三个阶段:定义网络、编译网络和计算.在定义网络阶段,用户可以为神经网络的数据节点绑定常量数据;在编译网络阶段,通过REOFF数据包装法将常量数据封装为数据包;在计算网络阶段,用户拷贝一次数据包后即可多次拷入输入数据并计算输出结果 .该编程模型具有编译、计算分离,常变量异步拷贝,计算和数据拷贝可切分为三级流水线等优势.实验表明,在连续计算100份输入样本时,QingLong比DLPlib有平均17. 48倍的性能提升,且输入样本越多,性能提升的倍数越大.

关键词：神经网络编程模型常量和变量异步拷贝软件开发工具

来源：评论

学校读者我要写书评

暂无评论

基于有监督主题模型的排序学习算法

引用

电子学报 2015年第2期43卷 333-337页

作者：丁宇新燕泽权冯威薛成龙周迪哈尔滨工业大学深圳研究生院广东深圳518055 计算机体系结构国家重点实验室中科院计算所北京100190

文档表示是排序学习的关键,目前的排序学习算法多采用词袋法表示文档与查询,该方法假设词袋中的词相互独立,忽略了词之间的关系.为了表示文档中词之间的依赖关系,本研究利用文档与查询的主题特征构建排序学习模型,我们将排序函数定义为... 详细信息

文档表示是排序学习的关键,目前的排序学习算法多采用词袋法表示文档与查询,该方法假设词袋中的词相互独立,忽略了词之间的关系.为了表示文档中词之间的依赖关系,本研究利用文档与查询的主题特征构建排序学习模型,我们将排序函数定义为文档与查询之间的主题关系,提出了基于有监督主题模型的排序学习算法自动学习排序函数.为了评价模型的排序精度,我们在三个标准数据集(OHSUMED,MQ2007,MQ2008)上进行了实验.实验表明基于主题的排序学习算法能够发现文档与查询之间内在的语义关联,并改善排序模型的排序精度.

关键词：排序学习机器学习关系主题模型主题特征

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的社交网络用户属性预测

引用

通信学报 2014年第8期35卷 15-22页

作者：丁宇新肖骁吴美晶张逸彬董丽哈尔滨工业大学深圳研究生院广东深圳518055 中国科学院计算所计算机体系结构国家重点实验室北京100190

研究如何利用社交关系推测用户的隐藏属性(私隐信息),采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度。... 详细信息

研究如何利用社交关系推测用户的隐藏属性(私隐信息),采用基于图的半监督学习方法推测用户属性。为了提高预测的准确率,提出利用属性聚集度评价属性推测的难易程度,并依用户节点标记的不同,设计不同的权重公式计算用户之间的关系强度。以"人人网"数据作为实验数据,对用户的兴趣与毕业学校进行预测,验证了方法的有效性。

关键词：社交网络属性推测半监督学习信息安全

来源：评论

学校读者我要写书评

暂无评论

多核程序交互理论及应用

引用

计算机工程与科学 2014年第1期36卷 1-5页

作者：丁晨袁良罗切斯特大学计算机系中科院计算所计算机体系结构国家重点实验室北京100190

多核处理器上共享缓存使用效率,即程序局部性是影响并行程序性能的关键因素之一。提出了以足迹为基础的局部性理论。介绍了缺失率、重用距离和足迹之间的转化关系,并利用足迹可组合性特征建立了并行程序局部性预测模型。

关键词：局部性足迹重用距离缺失率

来源：评论

学校读者我要写书评

暂无评论

动态二进制翻译中间接跳转的热点跟踪及其一致性维护优化

引用

高技术通讯 2014年第5期24卷 443-451页

作者：张晓春高翔郭崎刘宏伟靳国杰孟小甫计算机体系结构国家重点实验室北京100190 中国科学院计算技术研究所北京100190 中国科学院大学北京100049 龙芯中科技术有限公司北京100190 IBM中国研究院北京100094

针对动态二进制翻译(DBT)系统对地址转换过程进行一致性维护的基于锁操作的传统方法会在单线程和多线程执行中都造成严重的执行开销的问题,提出了优化一致性维护的机制,通过跟踪热点跳转,在命中率较高的热点跳转的地址转换过程中,避免... 详细信息

针对动态二进制翻译(DBT)系统对地址转换过程进行一致性维护的基于锁操作的传统方法会在单线程和多线程执行中都造成严重的执行开销的问题,提出了优化一致性维护的机制,通过跟踪热点跳转,在命中率较高的热点跳转的地址转换过程中,避免使用锁操作,仅在检测到并发读写冲突时进行冗余的地址转换。为实现上述检测过程,提出了指令执行时序和地址转换数据的优化设计方法。在基于Godson-3处理器的X86模拟平台上,实验结果显示,优化机制极大地提高了二进制翻译的执行效率,在SPEC CPU2000/2006单线程测试中能够降低平均27.7%(1.8%到58.5%)的执行开销,在NPB多线程测试中能够降低平均18.4%(3.3%到64.6%)的执行开销。

关键词：动态二进制翻译(DBT) 间接跳转多线程一致性维护热点跟踪

来源：评论

学校读者我要写书评

暂无评论

处理器验证激励在线筛选技术

引用

计算机辅助设计与图形学学报 2012年第5期24卷 690-698页

作者：郭崎中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院研究生院北京100039 北京龙芯中科技术服务中心有限公司北京100190

如何生成高质量的验证激励是功能验证中的核心问题之一.随着功能验证的不断进行,验证激励的有效性也随之降低.为了提高验证激励的质量,提出一种在线筛选技术来处理验证激励.该技术采用单分类支持向量机来在线地构建分类器,以对新生成的... 详细信息

如何生成高质量的验证激励是功能验证中的核心问题之一.随着功能验证的不断进行,验证激励的有效性也随之降低.为了提高验证激励的质量,提出一种在线筛选技术来处理验证激励.该技术采用单分类支持向量机来在线地构建分类器,以对新生成的验证激励是否冗余进行预测,如果是冗余的,则不进入仿真阶段进行仿真.在此基础上,进一步提出指令序列核函数来衡量不同指令序列的相似程度.实验结果表明,与约束随机生成技术相比,文中技术可以减少约83%的验证激励及79%的验证时间.

关键词：功能验证激励生成在线学习功能覆盖率核函数

来源：评论

学校读者我要写书评

暂无评论

基于模型树的多核设计空间探索技术

引用

计算机辅助设计与图形学学报 2012年第6期24卷 710-720页

作者：郭崎陈天石陈云霁中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院研究生院北京100049 北京龙芯中科技术服务中心有限公司北京100190

处理器设计面临的重要挑战是如何在庞大的设计空间中高效地找到满足约束的设计结构,而预测模型方法是探索复杂设计空间的重要方法.为了提高预测模型的实用性,提出一种基于模型树的多核设计空间探索技术.首先对整个设计空间中部分设计结... 详细信息

处理器设计面临的重要挑战是如何在庞大的设计空间中高效地找到满足约束的设计结构,而预测模型方法是探索复杂设计空间的重要方法.为了提高预测模型的实用性,提出一种基于模型树的多核设计空间探索技术.首先对整个设计空间中部分设计结构进行采样模拟,然后通过模型树算法构建设计参数与处理器响应之间的预测模型,最后通过该模型预测出其他设计结构的响应以找到满足约束的最优设计.实验结果表明,与现有的基于支持向量机和人工神经网络的预测模型技术相比,针对性能预测,采用文中技术能够提高74.87%和38.87%的准确度;针对能耗预测,能够提高2.66%和16.82%的准确度.

关键词：设计空间探索多核处理器预测模型模型树

来源：评论

学校读者我要写书评

暂无评论

GRE:针对大规模图处理的一种新型算法框架

GRE:针对大规模图处理的一种新型算法框架

引用

2012全国高性能计算学术年会

作者： YAN Jie 闫洁 TAN Guang-Ming 谭光明 SUN Ning-Hui 孙凝晖 Institute of Computing Technology Chinese Academy of SciencesBeijing 100190China State Key Laborat 中国科学院计算技术研究所北京 100190 计算机体系结构国家重点实验室中国科学院计算技术研究所北京 100190 中科院大学北京 100190 Institute of Computing Technology Chinese Academy of SciencesBeijing 100190China State Key Laborat 中国科学院计算技术研究所北京 100190 计算机体系结构国家重点实验室中国科学院计算技术研究所北京 100190 Institute of Computing Technology Chinese Academy of SciencesBeijing 100190China 中国科学院计算技术研究所北京 100190

在大数据时代,图的分析和挖掘是一类非常重要的应用.其中,一大类的图算法可以用遍历模式来实现.本文通过对图遍历算法的基本计算特征进行分析,给出了一个新的实现图遍历算法的框架—***采用扩展的广度优先搜索(GBFS)作为编程模型,同时... 详细信息

在大数据时代,图的分析和挖掘是一类非常重要的应用.其中,一大类的图算法可以用遍历模式来实现.本文通过对图遍历算法的基本计算特征进行分析,给出了一个新的实现图遍历算法的框架—***采用扩展的广度优先搜索(GBFS)作为编程模型,同时底层提供统一的Runtime环境.用户只需要要对GBFS的基本操作原语进行实例化,就可以实现具体的算法.本文同时给出了三个典型的图遍历算法,即BFS,SSSP和PageRank的GRE实现.

关键词：图遍历算法大规模图处理编程模型并行算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：