文献

J-GLOBAL ID：202002219939626111   整理番号：20A1931560

適応トラヒック最適化のための強化学習ベース相互接続ルーティング【JST・京大機械翻訳】

Reinforcement learning based interconnection routing for adaptive traffic optimization

著者 (5件)： Kao Sheng-Chun (Georgia Institute of Technology) ,  Yang Chao-Han Huck (Georgia Institute of Technology) ,  Chen Pin-Yu (IBM Watson AI Foundation Group) ,  Ma Xiaoli (Georgia Institute of Technology) ,  Krishna Tushar (Georgia Institute of Technology)
資料名： ACM Proceedings  (ACM Proceedings)
号： NOCS ’19  ページ： 1-2  発行年： 2019年 
JST資料番号： D0698C  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： 計算機アーキテクチャを設計し最適化するための機械学習(ML)技術の適用は,有望な研究方向である。ネットワークオンチップ(NoC)の実行時間性能の最適化は,連続学習フレームワークを必要とする。本研究では,NoCランタイム性能を最適化するために,強化学習(RL)の適用の有望性を示した。最適ルーティングアルゴリズムを学習するための3つのRLベースの方法を提示する。実験結果は,アルゴリズムが種々の環境状態を通して近最適解をうまく学習できることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *学習 ,  *相互接続 ,  *経路選定 ,  計算機アーキテクチャ ,  機械学習 ,  *強化学習
準シソーラス用語： 最適解 ,  実行時間 ,  ネットワークオンチップ ,  経路選択アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 混雑制御 ,  知的物理システム ,  ネットワークオンチップ ,  強化学習 ,  スケーラブルなモデリング

分類 (2件)： 半導体集積回路  (NC03162T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 適応 ,  トラヒック ,  最適化 ,  強化学習 ,  相互接続 ,  ルーティング