基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于半监督自适应增强(AdaBoost)模型树的建模方法,用于现场可编程门阵列(FPGA)的性能表征。该方法以半监督学习方式,构建了FPGA性能关于FPGA架构参数的解析模型,同时采用AdaBoost算法提高FPGA性能模型的预测精确度。使用VTR(Verilog To Routing)电路集,基于该方法构建的性能模型在预测FPGA上实现的应用电路面积时,平均相对误差(MRE)为4.42%;预测延时的MRE为1.63%;预测面积延时积时, MRE为5.06%。与全监督模型树算法以及现有的半监督模型树算法相比较,该方法构建的FPGA实现面积模型的预测精确度分别提高了39%,26%。实验结果显示,该方法在确保较少的时间开销前提下,构建了具有高预测精确度的FPGA性能模型,提供了一种高效的FPGA性能表征方法。
推荐文章
基于半监督学习的一种图像检索方法
基于内容的图像检索
半监督学习
图像特征
相关度
查准率—查全率曲线
一种基于AdaBoost-SVM的流量分类方法
流量分类
K-L变换
支持向量机
AdaBoost
弱分类器
一种半监督的多标签Boosting分类算法
Boosting算法
半监督学习
多标签分类
基于一种多分类半监督学习算法的驾驶风格分类模型
驾驶风格
主成分分析
K-means聚类
支持向量机
多分类半监督学习算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于半监督AdaBoost模型树的FPGA性能表征方法
来源期刊 太赫兹科学与电子信息学报 学科 工学
关键词 FPGA性能表征 半监督模型树 AdaBoost模型树
年,卷(期) 2016,(4) 所属期刊栏目 微电子、微系统与物理电子学
研究方向 页码范围 647-652
页数 6页 分类号 TN409
字数 3938字 语种 中文
DOI 10.11805/TKYDA201604.0647
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨海钢 中国科学院电子学研究所可编程芯片与系统研究室 134 485 10.0 15.0
2 李威 中国科学院电子学研究所可编程芯片与系统研究室 69 909 13.0 29.0
3 黄志洪 中国科学院电子学研究所可编程芯片与系统研究室 16 24 3.0 4.0
4 杨立群 中国科学院电子学研究所可编程芯片与系统研究室 8 44 3.0 6.0
8 孙嘉斌 中国科学院电子学研究所可编程芯片与系统研究室 7 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (7)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
FPGA性能表征
半监督模型树
AdaBoost模型树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
太赫兹科学与电子信息学报
双月刊
2095-4980
51-1746/TN
大16开
四川绵阳919信箱532分箱
62-241
2003
chi
出版文献量(篇)
3051
总下载数(次)
7
总被引数(次)
11167
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导