این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۶، شماره ۱، صفحات ۱۲۵-۱۴۲
عنوان فارسی انتخاب ویژگی پیشنهادی برای مدیریت دمای پویا در سیستم‌های چندهسته‌ای
چکیده فارسی مقاله افزایش تعداد هسته‌­ها، به‌منظور افزایش توان محاسباتی یک سیستم چندهسته‌­ای، منجر به افزایش دمای پردازنده می‌­شود. یکی از راه‌کارهای معمول برای کاهش دما، روش­‌های کنش‌­گراست. این روش‌­ها، با پیش‌­بینی دما پیش از رسیدن به دمای حدآستانه، مدیریت دما را انجام می‌دهند. در این مقاله، اثر استفاده از ویژگی­‌های مناسب برای مدیریت دمای پردازنده موردتوجه قرار گرفته است. برای مدیریت دما، سه مدل، به‌ترتیب برای پیش‌­بینی دما، پیش‌بینی پاسخ دمایی و کنترل دما پیشنهاد شده است. در این راستا، از شبکه عصبی پرسپترون چندلایه‌­ای برای پیش­‌بینی دما و پاسخ دمایی و از سامانه استنتاج عصبی-فازی وفقی به‌منظور مدیریت دما استفاده می­‌شود. برای آموزش هر یک از مدل­‌ها، مجموعه داده‌­ای با تنوع بالا از حالات مختلف دمایی پردازنده، ایجاد و تعدادی از ویژگی­‌های هر مجموعه، با نظارت حس‌گرها و شمارنده­‌های کارایی پردازنده ایجاد و همچنین، برای افزایش دقت هر یک از مدل­‌ها، تعدادی ویژگی با بهره­‌گیری از پردازش­‌های پیشنهادی فراهم و سپس، ویژگی­‌های مناسب برای هر یک از مدل­‌ها، با روش‌­های پیشنهادی در این مقاله انتخاب می‌­شود. ارزیابی مدل پیشنهادی برای پیش­‌بینی و کنترل دمای پردازنده برای فاصله­‌های زمانی مختلف، کمتر از 6/0 درجه سانتی‌­گراد خطا دارد.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Proposed Feature Selection for Dynamic Thermal Management in Multicore Systems
چکیده انگلیسی مقاله Increasing the number of cores in order to the demand of more computing power has led to increasing the processor temperature of a multi-core system. One of the main approaches for reducing temperature is the dynamic thermal management techniques. These methods divided into two classes, reactive and proactive. Proactive methods manage the processor temperature, by forecasting the temperature before reaching the threshold temperature. In this paper, the effects of using proper features for processor thermal management have been considered. In this regard, three models have been proposed for temperature prediction, control response estimation, and thermal management, respectively. A multi-layered perceptron neural network is used to predict the temperature and to control the response. Also, an adaptive neuro-fuzzy inference system is utilized for controlling temperature. An appropriate data set, which includes a variety of processor temperature variations, has been created to train each model. Some features of the dataset are collected by monitoring the thermal sensors and performance counters. In addition, a number of features are created by proposing processes to increase the accuracy of each model . Then, the features of each model are selected by the proposed method. The evaluation of the proposed model for predicting and controlling the processor temperature for different time distances is below 0.6 ° C.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جواد محبی نجم‌آباد | javad Mohebbi
Islamic Azad University, Quchan
دانشگاه آزاد اسلامی واحد قوچان

مرتضی مرادی | Morteza Moradi
Ferdowsi University of Mashhad
دانشگاه فردوسی مشهد

باقر سلامی | Bagher Salami
Ferdowsi University of Mashhad
دانشگاه فردوسی مشهد

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1420-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-1593812.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش داده‌های رقمی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات