-
公开(公告)号：CN119376449A
公开(公告)日：2025-01-28
申请号：CN202411490434.4
申请日：2024-10-24
Applicant: 南京大学
IPC: G05D23/19
Abstract: 本发明公开了一种基于片上网络的紧凑型交叉温控方法，涉及多处理器嵌入式开发技术领域，设计交错相位控制策略以增加控制周期内最小网络单元的节点纠正次数，避免同步温控引起的热问题，设计负反馈温控策略以控制节点和邻接节点之间的交互行为，进一步稳定节点的温度，基于控制相位分配算法将片上网络中节点类型的分配类比为图着色问题，设置剪枝约束和选取约束以优化回溯法，快速生成最优类型分配方案，并结合交错相位控制策略和负反馈温控策略实现片上网络的最佳交叉温控，设计性能评估方案，经检验，本发明提出的方法在评估指标上均优于对比方案，有效解决了片上网络的热问题。
-
公开(公告)号：CN115470889A
公开(公告)日：2022-12-13
申请号：CN202211054665.1
申请日：2022-08-31
Applicant: 南京大学
Abstract: 本发明公开了一种基于强化学习的片上网络自主最优映射探索系统及方法。本发明采用强化学习算法，结合软约束和硬约束，将硬件映射配置问题转化为序列决策问题，得到片上网络加速器的自主最优映射探索系统。对比传统的X/Y方向映射、基于神经网络感知算法映射与基于遗传算法的映射，本发明通过强化学习算法对策略网络与价值网络进行训练，提供的最优硬件映射在通信延迟指标与平均通信吞吐率指标上有不同程度的优化。
-
公开(公告)号：CN113760660A
公开(公告)日：2021-12-07
申请号：CN202111043131.4
申请日：2021-09-07
Applicant: 南京大学
Abstract: 本发明提出了一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统，其中所述方法采用的模型通过长短时记忆神经网络层与全连接层相结合实现，其中长短时记忆神经网络层接收历史温度信息作为输入；全连接层输出多个时间长度后的预测温度信息。本发明提出的方法可为多核芯片中动态温度管理模型提供时间与空间的热分析：即预测节点的温度变化和三维多核芯片的温度分布。本发明通过神经网络对三维多核芯片中温度变化模式的学习能确定潜在热点的位置，较为准确地对每个节点进行多步长温度预测，从而便于动态温度管理模型对芯片整体温度分布情况的掌握，进一步提前进行温度调控，避免热点的产生。
-
公开(公告)号：CN115277563B
公开(公告)日：2024-03-19
申请号：CN202210636087.6
申请日：2022-06-07
Applicant: 南京大学
IPC: H04L47/12 , H04L47/32 , H04L47/38 , H04L45/028
Abstract: 本发明公开了一种基于离线强化学习的片上网络近似控制系统。本发明采用离线强化学习算法，利用软硬件协同手段，在软件端训练，在硬件端部署；片上网络中设置全局近似控制器用来部署决策神经网络；其余节点利用局部数据控制器根据全局近似控制器的发送的信息调整数据近似率。本发明通过离线强化学习算法对决策网络进行训练，将训练完成的决策网络部署至硬件中，能在不同的应用条件下感知网络拥塞状态，动态调整数据近似率使得网络在传输质量和网络性能两者之间达到良好平衡。
-
Patent Agency Ranking
公开(公告)号：CN113760660B
公开(公告)日：2023-08-11
申请号：CN202111043131.4
申请日：2021-09-07
Applicant: 南京大学
IPC: G06F11/30 , G06N3/0442
Abstract: 本发明提出了一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统，其中所述方法采用的模型通过长短时记忆神经网络层与全连接层相结合实现，其中长短时记忆神经网络层接收历史温度信息作为输入；全连接层输出多个时间长度后的预测温度信息。本发明提出的方法可为多核芯片中动态温度管理模型提供时间与空间的热分析：即预测节点的温度变化和三维多核芯片的温度分布。本发明通过神经网络对三维多核芯片中温度变化模式的学习能确定潜在热点的位置，较为准确地对每个节点进行多步长温度预测，从而便于动态温度管理模型对芯片整体温度分布情况的掌握，进一步提前进行温度调控，避免热点的产生。
-
公开(公告)号：CN119987715A
公开(公告)日：2025-05-13
申请号：CN202510069511.7
申请日：2025-01-16
Applicant: 南京大学
Abstract: 本发明公开了一种基于一乘两加结构的乘累加运算方法及装置，包括：乘累加模块和控制模块；其中，所述乘累加模块用于获取至少两组源数据，通过一个乘法器和两个加法器对所述源数据进行乘累加运算，得到结果数据；所述控制模块根据计数警示信号生成控制信号，控制所述乘累加模块的乘累加运算过程。本发明通过一乘两加结构的乘累加模块实现数据的乘累加运算，能够更灵活地支持多并行度的计算任务；通过控制模块控制乘累加计算过程，可以根据不同的应用场景，配置不同的控制逻辑和运算流程；实现了高效的乘累加运算，并具有良好的可扩展性和灵活性。
-
公开(公告)号：CN115277563A
公开(公告)日：2022-11-01
申请号：CN202210636087.6
申请日：2022-06-07
Applicant: 南京大学
IPC: H04L47/12 , H04L47/32 , H04L47/38 , H04L45/028
Abstract: 本发明公开了一种基于离线强化学习的片上网络近似控制系统。本发明采用离线强化学习算法，利用软硬件协同手段，在软件端训练，在硬件端部署；片上网络中设置全局近似控制器用来部署决策神经网络；其余节点利用局部数据控制器根据全局近似控制器的发送的信息调整数据近似率。本发明通过离线强化学习算法对决策网络进行训练，将训练完成的决策网络部署至硬件中，能在不同的应用条件下感知网络拥塞状态，动态调整数据近似率使得网络在传输质量和网络性能两者之间达到良好平衡。
-
公开(公告)号：CN113467590B
公开(公告)日：2021-12-17
申请号：CN202111035472.7
申请日：2021-09-06
Applicant: 南京大学
IPC: G06F1/20 , G06F15/173 , G06N3/08
Abstract: 本发明提出了一种基于相关性和人工神经网络的众核芯片温度重构方法及系统，该方法基于众核芯片核与核之间温度变化之间的相关性确定了热传感器的分布位置；人工神经网络能够根据热传感器获得的部分核的温度得出众核芯片中所有核的温度。本发明可以支持众核芯片在多种负载情况下进行温度重构；当众核芯片运行多种不同的应用的时候不需要重新确定热传感器的分配位置和也无需重新训练人工神经网络。本发明所需热传感器数目少，重构得到的温度精度高，能适应多种负载情况，因此有着良好的实用价值和广泛的应用前景。
-
公开(公告)号：CN113467590A
公开(公告)日：2021-10-01
申请号：CN202111035472.7
申请日：2021-09-06
Applicant: 南京大学
IPC: G06F1/20 , G06F15/173 , G06N3/08
Abstract: 本发明提出了一种基于相关性和人工神经网络的众核芯片温度重构方法及系统，该方法基于众核芯片核与核之间温度变化之间的相关性确定了热传感器的分布位置；人工神经网络能够根据热传感器获得的部分核的温度得出众核芯片中所有核的温度。本发明可以支持众核芯片在多种负载情况下进行温度重构；当众核芯片运行多种不同的应用的时候不需要重新确定热传感器的分配位置和也无需重新训练人工神经网络。本发明所需热传感器数目少，重构得到的温度精度高，能适应多种负载情况，因此有着良好的实用价值和广泛的应用前景。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
