-
公开(公告)号：CN113297098B
公开(公告)日：2023-09-01
申请号：CN202110606031.1
申请日：2021-05-24
Applicant: 北京工业大学
IPC: G06F12/0811 , G06F12/0871 , G06F18/2411 , G06F12/06
Abstract: 本发明公开一种面向高性能的适应预取的智能缓存替换策略，在存在硬件预取器的情况下，区分预取和需求请求，利用基于ISVM(Integer Support Vector Machines)的预取预测器对预取访问加载的缓存行进行重引用间隔预测，利用基于ISVM的需求预测器对需求访问加载的缓存行进行重引用间隔预测。输入当前访存的load指令的PC地址和访存历史记录中过去load指令的PC地址，针对预取和需求请求设计不同的ISVM预测器，以请求类型为粒度对加载的缓存行进行重用预测，改善存在预取时缓存行重用预测的准确度，更好的融合了硬件预取和缓存替换带来的性能提升。
-
公开(公告)号：CN115114189A
公开(公告)日：2022-09-27
申请号：CN202210750282.1
申请日：2022-06-28
Applicant: 北京工业大学
IPC: G06F12/0862
Abstract: 本发明涉及一种基于改进爬山法的非对称多核架构下预取控制策略，属缓存预取、非对称多核领域。该方法考虑非对称多核架构下核心之间的性能不同这一情况，通过改进后的爬山法，针对不同核心对其预取激进程度进行控制，提高核心的IPC。预取激进程度由预取度和预取距离进行刻画，考虑到爬山法会陷入局部最优解，通过与模拟退火策略结合的方式跳出局部最优。同时考虑到爬山法不适用于解决二维搜索问题，本方法采用控制变量的方式，通过采样阶段的IPC反馈，进行预取策略的调整，提升核心的IPC。该方法利用爬山法，根据程序运行的不同阶段，对不同核心的预取激进程度进行调整，实现不同核心的IPC增长。
-
Patent Agency Ranking
公开(公告)号：CN114595632A
公开(公告)日：2022-06-07
申请号：CN202210216109.3
申请日：2022-03-07
Applicant: 北京工业大学
IPC: G06F30/27 , G06K9/62 , G06F119/02
Abstract: 本发明涉及一种基于有效联邦学习的移动边缘缓存优化方法，属物联网、人工智能领域。该方法考虑单基站范围内用户移动性和内容流行度不断变化的情况，通过预测内容流行度，将请求内容提前放置到边缘缓存来提高缓存命中率。具体利用RWP随机路径点模型得到用户时刻轨迹表模拟用户的移动路径，考虑到本地训练消耗，通过聚类与阈值结合的方式选择参与FL本地训练的用户，用注意力机制控制模型权重进行全局模型聚合，根据得到的全局预测模型，提前将预测的请求内容缓存到服务器来提高缓存命中率。该方法利用联邦学习方法，优化客户端选择和权重聚合，实现有效的联邦学习方法以此减少本地训练消耗，提高缓存命中率。
-
公开(公告)号：CN114595632B
公开(公告)日：2025-02-14
申请号：CN202210216109.3
申请日：2022-03-07
Applicant: 北京工业大学
IPC: G06F30/27 , G06F18/23 , G06F119/02
Abstract: 本发明涉及一种基于有效联邦学习的移动边缘缓存优化方法，属物联网、人工智能领域。该方法考虑单基站范围内用户移动性和内容流行度不断变化的情况，通过预测内容流行度，将请求内容提前放置到边缘缓存来提高缓存命中率。具体利用RWP随机路径点模型得到用户时刻轨迹表模拟用户的移动路径，考虑到本地训练消耗，通过聚类与阈值结合的方式选择参与FL本地训练的用户，用注意力机制控制模型权重进行全局模型聚合，根据得到的全局预测模型，提前将预测的请求内容缓存到服务器来提高缓存命中率。该方法利用联邦学习方法，优化客户端选择和权重聚合，实现有效的联邦学习方法以此减少本地训练消耗，提高缓存命中率。
-
公开(公告)号：CN117591181A
公开(公告)日：2024-02-23
申请号：CN202311367044.3
申请日：2023-10-20
Applicant: 北京工业大学
IPC: G06F9/38 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种面向高性能的智能分支预测方法,属于计算机体系分支预测领域。本发明利用基于CNN的模型对分支指令进行预测，通过将注意力机制SE模块和切片结构与CNN相互融合，注意力机制SE模块使模型有能力判断哪个通道所代表的特征更加重要，切片结构考虑不同分支历史长度的问题，将不同历史长度的信息输入不同的切片中，经过训练，在全链接层中考虑哪个切片的预测准确率更高。通过对分支历史信息进行编码后输入到模型中，模型通过训练学习到分支特征，可以对分支进行预测，提高分支预测准确率。
-
公开(公告)号：CN117591180A
公开(公告)日：2024-02-23
申请号：CN202311367042.4
申请日：2023-10-20
Applicant: 北京工业大学
IPC: G06F9/38 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于CNN的智能在线分支预测方法，属于计算机体系分支预测领域。本发明设计卷积神经网络(Convolutional Neural Network，CNN)分支预测模型，并且与目前最先进的TAEG_SC_L分支预测方法结合起来，将分支指令分为复杂分支与简单分支，对于复杂分支，使用CNN模型提取分支特征，根据大量的数据训练，识别历史中相关分支，加大相关分支特征对预测结果的影响，降低噪声对预测结果的影响；对于简单分支采用TAEG_SC_L分支预测算法。引入两个CNN模型，一个用于预测，一个用于训练，在训练时间段内不影响CNN预测模型的正常工作，由此达到在线训练的目的，提高分支预测准确率。
-
公开(公告)号：CN113297098A
公开(公告)日：2021-08-24
申请号：CN202110606031.1
申请日：2021-05-24
Applicant: 北京工业大学
IPC: G06F12/0811 , G06F12/0871 , G06K9/62 , G06F12/06
Abstract: 本发明公开一种面向高性能的适应预取的智能缓存替换策略，在存在硬件预取器的情况下，区分预取和需求请求，利用基于ISVM(Integer Support Vector Machines)的预取预测器对预取访问加载的缓存行进行重引用间隔预测，利用基于ISVM的需求预测器对需求访问加载的缓存行进行重引用间隔预测。输入当前访存的load指令的PC地址和访存历史记录中过去load指令的PC地址，针对预取和需求请求设计不同的ISVM预测器，以请求类型为粒度对加载的缓存行进行重用预测，改善存在预取时缓存行重用预测的准确度，更好的融合了硬件预取和缓存替换带来的性能提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
