文献

J-GLOBAL ID：201902266490041483   整理番号：19A2929413

マルチコアサーバにおける時変アプリケーションのスループット推定のための機械学習ベースフレームワーク【JST・京大機械翻訳】

A Machine Learning-Based Framework for Throughput Estimation of Time-Varying Applications in Multi-Core Servers

著者 (6件)： Iranfar Arman (Swiss Federal Institute of Technology Lausanne (EPFL),Embedded Systems Laboratory (ESL),Switzerland) ,  Souza Wellington Silva De (Universidade Federal do Rio Grande do Norte,Brazil) ,  Zapater Marina (Swiss Federal Institute of Technology Lausanne (EPFL),Embedded Systems Laboratory (ESL),Switzerland) ,  Olcoz Katzalin (Universidad Complutense de Madrid,Departamento de Arquitectura de Computadores y Automa ́tica,Spain) ,  Souza Samuel Xavier de (Universidade Federal do Rio Grande do Norte,Brazil) ,  Atienza David (Swiss Federal Institute of Technology Lausanne (EPFL),Embedded Systems Laboratory (ESL),Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： VLSI-SoC  ページ： 211-216  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 正確な作業負荷予測とスループット推定は,マルチコアプラットフォームの効率的な推進力と性能管理におけるキーである。現代のプラットフォーム上で利用可能なハードウェア性能計数器は応用挙動に関する重要な情報を含んでいるが,それらが反復構造を持つ場合でも,時変アプリケーションを扱う場合には,それらを効率的に扱うことは簡単ではない。本研究では,ハードウェアイベントを用いた作業負荷予測とスループット推定のための機械学習ベースのフレームワークを提案した。このフレームワークは,様々な利用可能なシステム構成,すなわち並列スレッド数と動作周波数にわたるスループット推定を可能にする。特に,著者らは,最初に,各利用可能なシステム構成に対する次の作業負荷を予測するために,Markov連鎖に沿った作業負荷クラスタリングおよび分類技術を採用した。次に,予測した作業負荷を用いて,機械学習に基づく回帰モデルを通して次の期待スループットを推定した。最先端の状態との比較により,このフレームワークは3.4xによりサービス品質(QoS)を改善することができ,一方,より正確なスループット推定により15%少ない電力を消費することを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  *機械学習 ,  計数器 ,  *スループット ,  電力 ,  推力 ,  ハードウェア ,  スレッド ,  回帰モデル ,  Markov連鎖 ,  *応用プログラム
準シソーラス用語： サービス品質 ,  動作周波数 ,  システム構成 ,  *マルチコアプロセッサ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： アプリケーション ,  スループット ,  推定 ,  機械学習 ,  フレームワーク