論文の概要: Mining Message Flows using Recurrent Neural Networks for System-on-Chip Designs

• arxiv url: http://arxiv.org/abs/2005.01574v1
• Date: Wed, 29 Apr 2020 17:52:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 14:18:18.682769
• Title: Mining Message Flows using Recurrent Neural Networks for System-on-Chip Designs
• Title（参考訳）: リカレントニューラルネットワークを用いたシステムオンチップ設計のためのメッセージフローマイニング
• Authors: Yuting Cao, Parijat Mukherjee, Mahesh Ketkar, Jin Yang, Hao Zheng
• Abstract要約: トランザクションレベルのトレースからシーケンシャルなパターンを自動的に抽出する仕様マイニング手法を開発した。 提案手法は,並列実行トレースからシステムレベル仕様の様々なパターンを抽出できる。
• 参考スコア（独自算出の注目度）: 6.050748152029478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Comprehensive specifications are essential for various activities across the entire validation continuum for system-on-chip (SoC) designs. However, specifications are often ambiguous, incomplete, or even contain inconsistencies or errors. This paper addresses this problem by developing a specification mining approach that automatically extracts sequential patterns from SoC transaction-level traces such that the mined patterns collectively characterize system-level specifications for SoC designs. This approach exploits long short-term memory (LSTM) networks trained with the collected SoC execution traces to capture sequential dependencies among various communication events. Then, a novel algorithm is developed to efficiently extract sequential patterns on system-level communications from the trained LSTM models. Several trace processing techniques are also proposed to enhance the mining performance. We evaluate the proposed approach on simulation traces of a non-trivial multi-core SoC prototype. Initial results show that the proposed approach is capable of extracting various patterns on system-level specifications from the highly concurrent SoC execution traces.
• Abstract（参考訳）: 包括的な仕様はsystem-on-chip(soc)設計のための検証連続体全体にわたる様々な活動に不可欠である。 しかし、仕様は曖昧、不完全、あるいは矛盾やエラーを含むことが多い。 本稿では,soc設計のためのシステムレベルの仕様を総合的に特徴付けるような,socトランザクションレベルのトレースからシーケンシャルパターンを自動的に抽出する仕様マイニング手法を開発した。 このアプローチは、収集されたSoC実行トレースでトレーニングされた長期記憶(LSTM)ネットワークを利用して、さまざまな通信イベント間のシーケンシャルな依存関係をキャプチャする。 そこで,学習したLSTMモデルから,システムレベルの通信パターンを効率的に抽出するアルゴリズムを開発した。 また, マイニング性能を高めるため, いくつかのトレース処理技術も提案されている。 非自明なマルチコアSoCプロトタイプのシミュレーショントレースに対する提案手法の評価を行った。 最初の結果から,提案手法は,高度に並列なsoc実行トレースからシステムレベル仕様の様々なパターンを抽出することができることがわかった。

関連論文リスト

• TraceMesh: Scalable and Streaming Sampling for Distributed Traces [51.08892669409318]
  TraceMeshは、分散トレースのためのスケーラブルでストリーミングなサンプリングツールである。 以前は見つからなかったトレース機能を、統一的で合理化された方法で扱える。 TraceMeshは、サンプリング精度と効率の両方において、最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-06-11T06:13:58Z)
• Inferring Message Flows From System Communication Traces [5.159745269633967]
  本稿では,システム・オン・チップ(SoC)設計の通信トレースからメッセージフロー仕様を自動的に推測する手法を提案する。 提案手法は,人間設計者に対する手作業による開発やメンテナンスの負担を軽減する。 提案手法の有効性を,GEM5における複数のシステムモデルの実行から生成した合成トレースとトレースの両方で評価した。
  論文  参考訳（メタデータ） (2024-05-21T00:34:35Z)
• Mining SoC Message Flows with Attention Model [5.233797258148846]
  本稿では,システムオンチップ(SoC)通信トレースから正確なフロー仕様を推測するために,注目機構を備えた深部シーケンスモデリングを利用する破壊的手法を提案する。 我々は5つの高度に並行したトレース実験を行い、提案手法が既存の最先端のトレースマイニングツールより優れていることを発見した。
  論文  参考訳（メタデータ） (2022-09-12T22:27:24Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Deep Bidirectional Transformers for SoC Flow Specification Mining [6.183038131030848]
  高品質なシステムレベルのメッセージフロー仕様は、システム・オン・チップ(SoC)設計の包括的な検証につながる可能性がある。 本稿では,IP通信トレースから正確なフロー仕様を生成するための注意機構を利用する破壊的手法を提案する。
  論文  参考訳（メタデータ） (2022-03-09T04:47:56Z)
• TaSPM: Targeted Sequential Pattern Mining [53.234101208024335]
  本稿では,高速CM-SPAMアルゴリズムに基づく汎用フレームワークTaSPMを提案する。 また,マイニングプロセスにおける無意味な操作を減らすために,いくつかのプルーニング戦略を提案する。 実験の結果,新たなターゲットマイニングアルゴリズムであるTaSPMは実行時間を短縮し,メモリ消費を低減できることがわかった。
  論文  参考訳（メタデータ） (2022-02-26T17:49:47Z)
• Hybridization of Capsule and LSTM Networks for unsupervised anomaly detection on multivariate data [0.0]
  本稿では,Long-Short-Term-Memory(LSTM)とCapsule Networksを1つのネットワークに結合した新しいNNアーキテクチャを提案する。 提案手法は教師なし学習手法を用いて大量のラベル付きトレーニングデータを見つける際の問題を克服する。
  論文  参考訳（メタデータ） (2022-02-11T10:33:53Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• Frequency-based Multi Task learning With Attention Mechanism for Fault Detection In Power Systems [6.4332733596587115]
  本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。 提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
  論文  参考訳（メタデータ） (2020-09-15T02:01:47Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)
• Synthetic Datasets for Neural Program Synthesis [66.20924952964117]
  本稿では,プログラムと仕様の両方で合成データ分布のバイアスを制御し,評価するための新しい手法を提案する。 そこで我々は,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することが実証された。
  論文  参考訳（メタデータ） (2019-12-27T21:28:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。