發(fā)布時間：2020-04-29 21:13

【摘要】：在新一代的IC芯片中,靜態(tài)功耗的影響變的越來越顯著。由于靜態(tài)功耗與芯片溫度之間存在非線性的依賴關(guān)系,芯片動態(tài)熱管理問題也變成了一個非線性的控制問題,所以現(xiàn)在很難對考慮靜態(tài)功耗的多核芯片進行有效的熱管理。本文對基于循環(huán)神經(jīng)網(wǎng)絡(luò)的多核芯片動態(tài)熱管理技術(shù)進行了研究,提出使用循環(huán)神經(jīng)網(wǎng)絡(luò)方法對考慮靜態(tài)功耗的多核芯片進行熱建模,然后使用基于循環(huán)神經(jīng)網(wǎng)絡(luò)的模型預測控制方法對多核芯片進行熱管理。首先,本文分析了基于傳統(tǒng)熱模型的動態(tài)熱管理在考慮靜態(tài)功耗與溫度之間的非線性關(guān)系時會出現(xiàn)相互依賴的問題,我們需要知道靜態(tài)功耗去計算溫度,同時也需要知道芯片溫度才能去計算靜態(tài)功耗。然后,為了給動態(tài)熱管理方法找到一種實用的考慮靜態(tài)功耗的熱模型,我們創(chuàng)新性的設(shè)計了基于結(jié)構(gòu)分析的分段線性方法處理靜態(tài)功耗與溫度之間的關(guān)系,對多核芯片進行熱建模,再結(jié)合傳統(tǒng)的模型預測控制方法對多核芯片進行動態(tài)熱管理。但是此方法對于大規(guī)模的芯片會存在時間消耗大的問題。之后,針對這個問題,本文又提出了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的多核芯片熱管理方法,這是基于數(shù)據(jù)的黑盒子識別方法。使用循環(huán)神經(jīng)網(wǎng)絡(luò)對考慮靜態(tài)功耗的熱模型進行熱建模,利用了循環(huán)神經(jīng)網(wǎng)絡(luò)自身的非線性特性,自然地處理了靜態(tài)功耗與溫度之間的非線性關(guān)系。我們分析了傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)在建立非線性熱模型時存在梯度爆炸引起的長期依賴性問題,導致很大的模型誤差。繼而提出使用一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò),回聲狀態(tài)網(wǎng)絡(luò)作為考慮靜態(tài)功耗的非線性熱模型,我們從理論和實驗上都證明了回聲狀態(tài)網(wǎng)絡(luò)避免了長期依賴性問題,實現(xiàn)了高精度建模。再結(jié)合針對回聲狀態(tài)網(wǎng)絡(luò)熱模型設(shè)計的非線性模型預測控制方法,利用迭代的方法為熱管理尋找最優(yōu)的功率建議。最后,對本文中提出的基于循環(huán)神經(jīng)網(wǎng)絡(luò)的模型預測控制方法進行試驗分析驗證,通過與現(xiàn)有的基于線性熱模型的動態(tài)熱管理方法進行對比分析,本文中的方法在溫度管理性能和時間上都有優(yōu)勢。因為新方法考慮了靜態(tài)功耗與溫度之間的非線性關(guān)系而且與先進的控制方法相結(jié)合,基于循環(huán)神經(jīng)網(wǎng)絡(luò)的動態(tài)熱管理方法實現(xiàn)了高質(zhì)量,高精度的溫度管理。
【圖文】：

簡單循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其中循環(huán)連接是從輸出層到隱藏層因為循環(huán)神經(jīng)網(wǎng)絡(luò)可以自然的處理靜態(tài)功耗與溫度之間的非線性關(guān)系，，我們
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN40;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預測法[J];金融經(jīng)濟;2017年18期

2 劉高宇;;深度神經(jīng)網(wǎng)絡(luò)在煤質(zhì)數(shù)據(jù)分析與預測中的應用[J];電腦知識與技術(shù);2019年28期

3 馮偉業(yè);廖可非;歐陽繕;牛耀;;基于膠囊神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達圖像分類方法[J];科學技術(shù)與工程;2019年28期

4 溫贊揚;;基于群智優(yōu)化神經(jīng)網(wǎng)絡(luò)的音樂風格分類模型研究[J];現(xiàn)代電子技術(shù);2019年21期

5 鄭麗;;建筑設(shè)計中神經(jīng)網(wǎng)絡(luò)技術(shù)與遺傳算法探究[J];湖北農(nóng)機化;2019年21期

6 易煒;何嘉;鄒茂揚;;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的對話系統(tǒng)記憶機制[J];計算機工程與設(shè)計;2019年11期

7 黃為;李永剛;胡上成;汪毅;;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的船搖數(shù)據(jù)實時預測[J];科學技術(shù)與工程;2019年31期

8 賴策;魏小琴;;卷積神經(jīng)網(wǎng)絡(luò)的訓練方式研究[J];信息與電腦(理論版);2019年22期

9 周濟民;;基于神經(jīng)網(wǎng)絡(luò)改進的元胞自動機分析——美國阿片類藥物濫用情況[J];信息系統(tǒng)工程;2019年11期

10 馬猛;王明紅;;基于進化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預測[J];輕工機械;2019年06期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2645007