双权值网络在电源管理中的应用研究  

Research on Power Management using Double-Weight Neural Network

作　　者：金骥[1] 鲁华祥[1] 王守觉[1] 

机构地区：[1]中国科学院半导体所神经网络实验室,北京100083

出　　处：《微计算机信息》2009年第1期197-199,共3页Control & Automation

基　　金：国家863计划;半导体神经网络硬件及神经计算机研究;颁发部门:中国科技部(2006AA01Z106);国家自然科学基金:基于神经网络信息处理机制的纳米集成电路系统结构研究;颁发部门:国家自然科学基金委员会(60576033)

摘　　要：本文阐述了一种基于双权值神经网络的数据拟合学习算法,并在此基础上提出一种将其应用于系统电源管理的新算法。双权值神经网络通过学习系统中的历史空闲段长度,对未来将产生的空闲段长度进行预测,使得系统能够根据预测结果自动切换其运行的状态,从而达到降低功耗的目的。实验证明:较传统的电源管理算法,本算法能进一步提高系统的正确关断率、降低系统在空闲时段的功耗。This paper expounds a data-fitting algorithm for the double-weight neural network, and presents a new algorithm for the system＇s power management on the base of that. The double-weight neural network learns knowledge from the past idle periods of the system, and predicts the lengths of the coming idle periods. As a result of that, the system can switch its running states and reduce the power dissipation according to the predictive values. The results of the experiments prove that this algorithm shows a better performance in increasing the right rate of shutting down and reducing the power consumption than other traditional ones.

关 键 词：双权值神经网络 电源管理 数据拟合 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]