文献

J-GLOBAL ID：201202281418597131   整理番号：12A1157983

Pareto最適解を予測するためのスマート設計空間サンプリング

“Smart” Design Space Sampling to Predict Pareto-Optimal Solutions

著者 (4件)： ZULUAGA Marcela (ETH Zurich) ,  KRAUSE Andreas (ETH Zurich) ,  MILDER Peter (Carnegie Mellon Univ.) ,  PUESCHEL Markus (ETH Zurich)
資料名： ACM SIGPLAN Notices (Association for Computing Machinery. Special Interest Group on Programming Languages)  (ACM SIGPLAN Notices (Association for Computing Machinery. Special Interest Group on Programming Languages))
巻： 47  号： 5  ページ： 119-128  発行年： 2012年05月 
JST資料番号： D0915A  ISSN： 0362-1340  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高レベル合成ツールの最終目的は,挙動仕様に影響しない実装詳細の処理を無くすことにある。多くのツールは,高レベル仕様をレジスタ変換レベル(RTL)記述にマッピングする自由度を提供する。これらの選択は機能的挙動に影響しないが,異なる費用効果トレードオフの設計空間に及ぶ。設計空間におけるPareto最適実装トレードオフの発見に利用できる,機械学習技法を提示した。スマートサンプリング戦略を用いて,効率性,即ち,合成/評価される設計数を最小化するために,具体的に技法を設計した。合成ツール文脈のアプリケーションでは,パラメタリゼーションによって,異なる費用効果トレードオフを有する機能的等価設計ポイントの大規模集合を作成する。離散Fourier変換およびソーティングネットワークのための知的財産権生成器を用いて,提案方式の有効性を例証した。設計空間の僅かをサンプリングするだけでPareto前面を有用に予測できること,サンプリング戦略が大規模訓練集合においてランダムサンプリングを凌ぐことを示した。

シソーラス用語： 解 ,  *多目的計画法 ,  *ソフトウェア設計 ,  *標本抽出 ,  *機械学習 ,  Fourier変換 ,  システム合成 ,  推定 ,  仕様記述 ,  トレードオフ ,  ソーティング ,  Gauss過程 ,  予測モデル
準シソーラス用語： Pareto最適解 ,  設計空間 ,  サンプリング【統計】 ,  離散Fourier変換

分類 (2件)： 数値計算  (JE02000J) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (4件)： Pareto最適解 ,  予測 ,  設計 ,  空間サンプリング