基于神经网络的重构指令预取机制及其可扩展架构

• 作者: 严晓浪 孟建熠 沙子岩 陈志坚
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 可重构处理器 配置信息预取 改进神经网络算法 可扩展存储架构
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 科研通信
• 页码范围: 1476-1480
• 分类号: TN302
• 字数: 3659字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2012.07.031

摘要

针对动态可重构处理器的配置信息加载延时,提出了一种基于神经网络的可扩展的重构指令预取机制.增加感受器的历史指令信息,并结合感受器权重构建新型的感受器模型,通过权重与历史指令信息的协同训练学习重构指令调用规律.在处理器运行过程中,提前完成对后续重构指令的预测及配置信息的预取,隐藏指令重构成本.进一步提出了本方法的可扩展实现框架,神经网络的学习结果作为重构指令的关联信息,被移至内存并分布式存储.在重构指令预取时,完成对神经网络学习信息的加载.实验结果表明,该方法对重构指令的预测准确率达91％,综合性能平均提升40％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟建熠	浙江大学超大规模集成电路设计研究所	30	45	3.0	5.0
2	陈志坚	浙江大学超大规模集成电路设计研究所	28	59	3.0	7.0
3	严晓浪	浙江大学超大规模集成电路设计研究所	246	1634	19.0	29.0
4	沙子岩	浙江大学超大规模集成电路设计研究所	2	5	2.0	2.0