پیش بینی میزان توان مصرفی برنامه ها درسیستم های تعبیه شده با استفاده ازشبکه ی عصبی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,455

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KHIAU01_069

تاریخ نمایه سازی: 1 مهر 1392

چکیده مقاله:

سیستم های تعبیه شده درصد بالایی ازکل سیستم های کامپیوتری را به خود اختصاص داده اند و معمولا هدف ازبکارگیری آنها کنترل مدیریت و هدایت سیستم اصلی انجام هدفی خاص می باشد باتوجه بمحدودیت های توان مصرفی درسیستم های تعبیه شده نیاز به کنترل توان مصرفی به عنوان یک چالش اساسی دراین سیستم ها مطرح یمشود بدیهی است که درتمامی کاربردها اگربتوان تشخیص داد که برنامه مورد استفاده چقدرتوان نیاز دارد میتوان تعیین کرد که ایا باید برنامه موردنظر اجرا شود اجرای آن به تعویق افتد یا اجرای آن لغو شود مدلسازی توان مصرفی برنامه ها میتواند براساس پارامترهای اصلی تعیین کننده درمیزان توان مصرفی سیستم همراه با فرایند داده کاوی انجام پذیرد دراین مقاله مدلی مطرحشده که برای استخراج الگوی بین پارامتر ها ازشبکه عصبی استفاده می کند. این نوع ازشبکه ها به دلیل قابلیت یادگیری بسیاربالایی که دارند به خوبی می توانند با اموزش ارتباط بین پارامترها و میزان توان مصرفی را تشخیص داده و مدل جامعی را برای تخمین میزان توان مصرفی ارایه دهند مدل ارایه دراین مقاله از دقت بالایی 94درصد برخوردار است

کلیدواژه ها:

سیستم های تعبیه شده ، توان مصرفی ، شبکه عصبی

نویسندگان

شهرام عندلیبی

دانشجوی کارشناسی ارشد

مهدی فاضلی

دانشگاه علم و صنعت ایران عضو هیئت علمی

مهران خسروی

کارشناسی ارشد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Wissam Chedid, Chansu Yu and Ben Lee , "Power Analysis ...
  • Systems", Master s thesis Department of Electrical and Computer Engineering ...
  • M. Huang, J. Renau, S. M. Yoo and J. Torrella. ...
  • S. Gurumurthi, A. S i V asubramaniam, _ J. Irwin, ...
  • S. Manne, A. Klauser and D. Grunwald, Pipeline Gating: Speculation ...
  • _ _ _ Modeling for Server Environments" ...
  • T. K. Tan, A. Raghunathan and N. K. Jha, "Embedded ...
  • Consumption _ , SIGMETRICS _ Junee 10-14, 2003, San Diego, ...
  • H. Witten and E. Fran. Data mining: Practical machine learning ...
  • http ://www.sim plescalar.com ...
  • http://esrla b.ce.sharif.ir ...
  • J. W. Chen, M. Dubois and P. Stenstrim, Integrating Complete- ...
  • نمایش کامل مراجع