論文の概要: A novel evolutionary-based neuro-fuzzy task scheduling approach to jointly optimize the main design challenges of heterogeneous MPSoCs

• arxiv url: http://arxiv.org/abs/2203.14717v1
• Date: Mon, 14 Mar 2022 18:50:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-03 18:28:06.624629
• Title: A novel evolutionary-based neuro-fuzzy task scheduling approach to jointly optimize the main design challenges of heterogeneous MPSoCs
• Title（参考訳）: 異種MPSoCの設計課題を協調的に最適化する進化型ニューロファジィタスクスケジューリング手法
• Authors: Athena Abdi, Armin Salimi-Badr
• Abstract要約: 進化的多目的アルゴリズム(NSGA-II)によって学習されたファジィニューラルネットワーク(FNN) FNNに基づくオンラインタスクスケジューリングとマッピング手法を提案する。
• 参考スコア（独自算出の注目度）: 1.7513645771137178
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, an online task scheduling and mapping method based on a fuzzy neural network (FNN) learned by an evolutionary multi-objective algorithm (NSGA-II) to jointly optimize the main design challenges of heterogeneous MPSoCs is proposed. In this approach, first, the FNN parameters are trained using an NSGA-II-based optimization engine by considering the main design challenges of MPSoCs including temperature, power consumption, failure rate, and execution time on a training dataset consisting of different application graphs of various sizes. Next, the trained FNN is employed as an online task scheduler to jointly optimize the main design challenges in heterogeneous MPSoCs. Due to the uncertainty in sensor measurements and the difference between computational models and reality, applying the fuzzy neural network is advantageous in online scheduling procedures. The performance of the method is compared with some previous heuristic, meta-heuristic, and rule-based approaches in several experiments. Based on these experiments our proposed method outperforms the related studies in optimizing all design criteria. Its improvement over related heuristic and meta-heuristic approaches are estimated 10.58% in temperature, 9.22% in power consumption, 39.14% in failure rate, and 12.06% in execution time, averagely. Moreover, considering the interpretable nature of the FNN, the frequently fired extracted fuzzy rules of the proposed approach are demonstrated.
• Abstract（参考訳）: 本稿では,異種MPSoCの主設計課題を最適化するために,進化的多目的アルゴリズム(NSGA-II)によって学習されたファジィニューラルネットワーク(FNN)に基づくオンラインタスクスケジューリングとマッピング手法を提案する。 このアプローチでは、まず、様々なサイズの異なるアプリケーショングラフからなるトレーニングデータセット上で、mpsocsの主な設計課題である温度、消費電力、故障率、実行時間を考慮して、nsga-iiベースの最適化エンジンを用いてfnnパラメータをトレーニングする。 次に、トレーニングされたFNNをオンラインタスクスケジューラとして使用し、異種MPSoCの主要な設計課題を共同で最適化する。 センサ計測の不確実性と計算モデルと現実の差により、ファジィニューラルネットワークの適用はオンラインスケジューリング手順において有利である。 この手法の性能は、いくつかの実験で過去のヒューリスティック、メタヒューリスティック、ルールベースアプローチと比較される。 これらの実験に基づき,提案手法は,すべての設計基準を最適化する関連研究に匹敵する。 関連するヒューリスティックおよびメタヒューリスティックアプローチによる改善は、温度10.58%、消費電力9.22%、故障率39.14%、実行時間12.06%と推定されている。 さらに,fnnの解釈可能な性質を考慮し,提案手法の頻発したファジィルールを実証した。

関連論文リスト

• Enhancing CNN Classification with Lamarckian Memetic Algorithms and Local Search [0.0]
  そこで本研究では,局所探索機能を組み込んだ2段階学習手法と集団最適化アルゴリズムを併用した新しい手法を提案する。 実験の結果,提案手法は最先端の勾配に基づく手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-26T17:31:15Z)
• Implicit Generative Prior for Bayesian Neural Networks [8.013264410621357]
  複雑なデータ構造のための新しいニューラルネットワーク型経験ベイズ(NA-EB)フレームワークを提案する。 NA-EBフレームワークは変分推論と勾配上昇アルゴリズムを組み合わせたものである。 各種タスクの広範囲な評価を通じて,本フレームワークの実践的応用を実証する。
  論文  参考訳（メタデータ） (2024-04-27T21:00:38Z)
• Distributed Multi-Objective Dynamic Offloading Scheduling for Air-Ground Cooperative MEC [13.71241401034042]
  本稿では,MORLとカーネル手法を統合した分散軌道計画とオフロードスケジューリング手法を提案する。 数値的な結果から,n段階の戻り値はカーネルベースのアプローチに有効であり,長期平均バックログ性能の大幅な向上が期待できることがわかった。
  論文  参考訳（メタデータ） (2024-03-16T13:50:31Z)
• Simulation-based optimization of a production system topology -- a neural network-assisted genetic algorithm [0.0]
  遺伝的アルゴリズム(GA)を用いた生産システムのトポロジー最適化のための新しい手法を提案する GAの拡張では、ニューラルネットワークがシミュレーションの代理モデルとして機能する。 どちらの手法も、産業環境で最適解を見つけるのに効果的である。
  論文  参考訳（メタデータ） (2024-02-02T15:52:10Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
  既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。 本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-06T13:18:31Z)
• Acceleration techniques for optimization over trained neural network ensembles [1.0323063834827415]
  本研究では, 線形単位活性化の補正されたフィードフォワードニューラルネットワークを用いて, 目的関数をモデル化する最適化問題について検討する。 本稿では,1つのニューラルネットワークを最適化するために,既存のBig-M$の定式化をベースとした混合整数線形プログラムを提案する。
  論文  参考訳（メタデータ） (2021-12-13T20:50:54Z)
• Learning from Images: Proactive Caching with Parallel Convolutional Neural Networks [94.85780721466816]
  本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。 モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。 数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
  論文  参考訳（メタデータ） (2021-08-15T21:32:47Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Communication-Efficient Distributed Stochastic AUC Maximization with Deep Neural Networks [50.42141893913188]
  本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。 我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。 いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
  論文  参考訳（メタデータ） (2020-05-05T18:08:23Z)
• MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
  ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。 グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。 確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-28T18:25:15Z)

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。