ارزیابی خطای MAE در پیش بینی دمای سیستم‌های چندهسته‌ای مبتنی بر یادگیری عمیق و شبکه کانولوشن

ارزیابی خطای MAE در پیش بینی دمای سیستم‌های چندهسته‌ای مبتنی بر یادگیری عمیق و شبکه کانولوشن

الهه قربانی1 جواد محبی نجم آباد2

1) فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی و رباتیکز،دانشگاه آزاد اسلامی واحد قوچان،ایران
2) دکترا تخصصی مهندسی کامپیوتر,دانشگاه صنعتی شاهرود،ایران

کد IOI مقاله : XDAC-EKBBG
محل انتشار : دومین کنفرانس علمی پژوهشی مکانیک، برق، کامپیوتر و علوم مهندسی موناکو(mececonf.com)
چکیده :
    چکیده:. پردازنده‌های چندهسته‌ای، راه‌حلی برای تولید پردازنده‌هایی با عملکرد بالا و البته اجرا در فرکانس‌های پایین‌تر است. در سال‌های اخیر، دمای بالا و توان مصرفی زیاد در پردازنده‌های چندهسته‌ای به یک چالش اساسی برای سازندگان و کاربران این پردازنده‌ها تبدیل‌شده است. با رشد دمای پردازنده، هزینه‌های خنک‌سازی و مصرف توان افزایش‌یافته و طول عمر پردازنده کاهش می‌یابد. با افزایش دادن تعداد هسته‌های پردازنده، دمای آن‌ها افزایش می‌یابد. برای جلوگیری از افزایش دمای پردازنده از حد آستانه، روش‌های مدیریت دما مورداستفاده قرار می‌گیرند. در این پژوهش، یک مدل ترکیبی از یادگیری عمیق و شبکه کانولشن برای پیش‌بینی دما پیشنهادشده است. برای آموزش مدل پیشنهادی، مجموعه داده‌هایی ایجاد کرده که شامل تنوع بالایی از تغییرات دمایی پردازنده است. برخی از ویژگی‌های مجموعه داده، با استفاده از حسگرهای دمایی و شمارنده‌های کارایی سیستم و تعدادی دیگر از ویژگی‌ها با استفاده از پردازش‌های پیشنهادی تولید می‌گردند.

کلمات کلیدی : واژگان کلیدی سیستم چندهسته‌ای مدیریت پویا دما یادگیری عمیق شبکه کانولشن