基于神经网络的自适应动态电源管理模型  

Adaptive dynamic power management model based on artificial neural network

作　　者：姜连祥[1,2] 许培培[1,2] 杨根庆[1] 李华旺[1] 

机构地区：[1]中国科学院上海微系统与信息技术研究所,上海200050 [2]中国科学院研究生院,北京100039

出　　处：《华中科技大学学报（自然科学版）》2009年第1期108-111,共4页Journal of Huazhong University of Science and Technology(Natural Science Edition)

基　　金：中国科学院方向性创新重大基金资助项目(KGCX-SYW-407-02);上海市科委国际合作基金资助项目(052207046)

摘　　要：利用人工神经网络具有从大量不完整数据中逐步获取知识并进行复杂目标优化的能力,提出一种基于改进的BP神经网络预测功耗可管理器件空闲时间长度的自适应动态电源管理模型(AMBA).该模型根据空闲时间长度预测值选择最佳低功耗模式,并且通过预测性能评估结果动态调整神经网络的网络权值,从而能够自适应功耗可管理器件负载特性的变化.仿真结果表明了该模型的有效性,预测正确率可以达到80%左右,平均功耗比指数平均预测方法降低了30%,比Timeout策略降低了37%.A adaptive dynamic power management model based on improved back-propagatino artificial neural network is proposed. In order to obtain better prediction result, the dimension of artificial neural network is given by computer simulation. AMBA chooses the optimistic working mode for power management component（PMC） according to the length of the predicted idle time of PMC. It adjusts the parameters of ANN based on the value of prediction performance evaluation function to accommodate the changes of the PMC＇ payloads. The simulation results show that the hit ratio is around 80 %, and the mean power decreases respectively by 30 % and 37 % compared with exponential-average approach and Timeout policy.

关 键 词：动态电源管理 神经网络 预测策略 贝叶斯正则化 预测反馈控制器 

分 类 号：TP273.22[自动化与计算机技术—检测技术与自动化装置]