بررسی خطای SDAE در پیش بینی دمای سیستم های چندهسته ای مبتنی بریادگیری عمیق و شبکه کانولوشن

سال انتشار: 1399
محل انتشار: سومین کنفرانس بین المللی تحقیقات پیشرفته در علوم، مهندسی و فناوری
کد COI اختصاصی: RSETCONF03_003
زبان مقاله: فارسی
تعداد مشاهده: 532

نویسندگان

کارشناسی ارشد رشته مهندسی کامپیوتر هوش مصنوعی و رباتیکز،دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی، واحد قوچان

چکیده

قبل از پردازنده های چندهسته ای، برای افزایش کارایی از یک نسل به نسل دیگری از روش هایی مانند افزایشفرکانس بهره می گرفتند. فرکانس های بالا سبب افزایش اتلاف توان و افزایش حرارت در پردازنده ها می شود. به همین سبب،رویکرد دیگری برای افزایش عملکرد پردازنده معرفی گردید. روش های مدیریت دمای پویا، در زمان اجرای برنامه ها، دمایپردازنده را مدیریت می کنند. در مدیریت دما با رویکرد فعال، دمای پردازنده، با استفاده از یک مدل دمایی، پیش بینی شده و دماپیش از رسیدن به حد آستانه با روش های مختلف کنترل می شود. پارامترهای زیادی بر دمای پردازنده تاثیر می گذارند. ازمهمترین پارامترها، بارکاری اجرایی، فرکانس پردازنده و سرعت فن است. در این پژوهش، یک مدل ترکیبی از یادگیری عمیق وشبکه کانولشن برای پیش بینی دما پیشنهاد شده است. برای آموزش مدل پیشنهادی، مجموعه داده هایی ایجاد کرده که شاملتنوع بالایی از تغییرات دمایی پردازنده است. برخی از ویژگی های مجموعه داده، با استفاده از حسگرهای دمایی و شمارنده هایکارایی سیستم و تعدادی دیگر از ویژگی ها با استفاده از پردازش های پیشنهادی تولید می گردند.

کلیدواژه ها

سیستم چندهسته ای، مدیریت پویا دما، یادگیری عمیق، شبکه کانولشن

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.