論文の概要: Multi-objective optimization of energy consumption and execution time in a single level cache memory for embedded systems

• arxiv url: http://arxiv.org/abs/2302.11236v1
• Date: Wed, 22 Feb 2023 09:35:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 15:51:01.450711
• Title: Multi-objective optimization of energy consumption and execution time in a single level cache memory for embedded systems
• Title（参考訳）: 組み込みシステム用シングルレベルキャッシュメモリにおけるエネルギー消費と実行時間の多目的最適化
• Authors: Josefa D\'iaz \'Alvarez, Jos\'e L. Risco-Mart\'in and J. Manuel Colmenar
• Abstract要約: 多目的最適化は、両方の競合するメトリクスを独立的に最小化するのに役立ちます。 提案手法は, 実行時間とエネルギー消費において平均64.43%, 91.69%の改善を達成した。
• 参考スコア（独自算出の注目度）: 2.378428291297535
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Current embedded systems are specifically designed to run multimedia applications. These applications have a big impact on both performance and energy consumption. Both metrics can be optimized selecting the best cache configuration for a target set of applications. Multi-objective optimization may help to minimize both conflicting metrics in an independent manner. In this work, we propose an optimization method that based on Multi-Objective Evolutionary Algorithms, is able to find the best cache configuration for a given set of applications. To evaluate the goodness of candidate solutions, the execution of the optimization algorithm is combined with a static profiling methodology using several well-known simulation tools. Results show that our optimization framework is able to obtain an optimized cache for Mediabench applications. Compared to a baseline cache memory, our design method reaches an average improvement of 64.43\% and 91.69\% in execution time and energy consumption, respectively.
• Abstract（参考訳）: 現在の組み込みシステムは特にマルチメディアアプリケーションを実行するように設計されている。 これらのアプリケーションは、性能とエネルギー消費の両方に大きな影響を与える。 どちらのメトリクスも、ターゲットとするアプリケーションの最適なキャッシュ設定を最適化できる。 多目的最適化は、矛盾するメトリクスを独立した方法で最小化するのに役立つ。 本研究では,多目的進化アルゴリズムに基づく最適化手法を提案する。 候補解の有効性を評価するため、最適化アルゴリズムの実行と、いくつかのよく知られたシミュレーションツールを用いた静的なプロファイリング手法を組み合わせる。 その結果、最適化フレームワークはMediabenchアプリケーション向けに最適化されたキャッシュを得ることができることがわかった。 ベースラインキャッシュメモリと比較して, 設計手法は, 実行時間とエネルギー消費のそれぞれ平均64.43\%, 91.69\%に向上した。

関連論文リスト

• A survey and benchmark of high-dimensional Bayesian optimization of discrete sequences [12.248793682283964]
  個々のブラックボックス機能を最適化することは、タンパク質工学や薬物設計など、いくつかの領域において重要である。 我々は,高次元ベイズ最適化手法と標準化されたブラックボックス関数の集合を幅広くテストするための統一的なフレームワークを開発する。 これらのベンチマークの2つのコンポーネントはそれぞれ、柔軟でスケーラブルで容易に拡張可能なソフトウェアライブラリによってサポートされています。
  論文  参考訳（メタデータ） (2024-06-07T08:39:40Z)
• Localized Zeroth-Order Prompt Optimization [54.964765668688806]
  そこで我々は,ZOPO(Localized zeroth-order prompt optimization)という新しいアルゴリズムを提案する。 ZOPOはニューラル・タンジェント・カーネルをベースとしたガウス法を標準ゼロ階次最適化に取り入れ、高速な局所最適探索を高速化する。 注目すべきは、ZOPOは最適化性能とクエリ効率の両方の観点から、既存のベースラインを上回っていることだ。
  論文  参考訳（メタデータ） (2024-03-05T14:18:15Z)
• Large Language Models as Optimizers [106.52386531624532]
  本稿では,大規模言語モデル (LLM) をプロンプトとして活用するためのシンプルで効果的な手法である Prompting (OPRO) を提案する。 各最適化ステップにおいて、LLMは、前述した値を含むプロンプトから新しい解を生成する。 OPROにより最適化された最良のプロンプトは、GSM8Kで最大8%、Big-Bench Hardタスクで最大50%向上することを示した。
  論文  参考訳（メタデータ） (2023-09-07T00:07:15Z)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Evolutionary Design of the Memory Subsystem [2.378428291297535]
  本稿では,メモリサブシステム全体の最適化を,単一の方法論として統合した3つのアプローチで解決する。 そこで本研究では,メモリシミュレータとプロファイリングツールを組み合わせた進化的アルゴリズムを提案する。 また、我々の提案をよく知られたベンチマークアプリケーションを用いて評価する実験的な経験も提供する。
  論文  参考訳（メタデータ） (2023-03-07T10:45:51Z)
• Optimizing L1 cache for embedded systems through grammatical evolution [1.9371782627708491]
  文法的進化(GE)は、与えられたベンチマークアプリケーションに対して最適なキャッシュ構成を効率的に見つけることができる。 提案手法では,実世界のベースライン構成に対して平均62%の効率向上が得られるキャッシュ構成を見つけることができる。
  論文  参考訳（メタデータ） (2023-03-06T18:10:00Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• Leveraging Trust for Joint Multi-Objective and Multi-Fidelity Optimization [0.0]
  本稿では,ベイズ的多目的・多忠実度最適化(MOMF)に対する新しいアプローチについて検討する。 複数目的とデータソースの同時最適化を支援するために,信頼度基準の革新的利用を提案する。 本手法はプラズマ物理学や流体力学などの分野におけるシミュレーション問題の解法に適用可能である。
  論文  参考訳（メタデータ） (2021-12-27T20:55:26Z)
• Hierarchical Segment-based Optimization for SLAM [6.590648135605555]
  本稿では,SLAMシステムのための階層的セグメントベース最適化手法を提案する。 まず,バックエンド最適化の効率向上に有効なトラジェクトリセグメンテーション手法を提案する。 そこで我々は,セグメンテーションのロバスト性を改善するためのバッファ機構を初めて提案する。
  論文  参考訳（メタデータ） (2021-11-07T14:57:26Z)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)

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。