体系结构特征参数指导的近似计算技术

梁伟伟; 王晶; 王旭; 刘鑫培; 张伟功

Chinese

您当前的位置：

首页 >

文章列表页 >

体系结构特征参数指导的近似计算技术

更新时间：2026-09-04

- 体系结构特征参数指导的近似计算技术
- Architecture-parameters-guided approximate computing technique
- 微电子学与计算机 2019年36卷第12期页码：72-77
- 作者机构：
  
  1. 首都师范大学机构信息工程学院,北京,102248
  2. 电子系统可靠性技术北京市重点实验室机构,北京,100048
  3. 中国科学院机构计算技术研究所,北京,100080
  4. 北京成像理论与技术高精尖创新中心,北京,100048
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61772350共有信息系统装备预先研究项目(公开) JZX2017-0988/Y300北京市科技新星计划 Z181100006218093体系结构国家重点实验室开放课题 CARCH201607北京未来芯片技术高精尖创新中心科研基金资助项目 KYJJ2018008科技创新服务能力建设-基本科研业务费(科研类) 19530050173科技创新服务能力建设-基本科研业务费(科研类) 02518530500
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
梁伟伟, 王晶, 王旭, 刘鑫培, 张伟功. 体系结构特征参数指导的近似计算技术[J]. 微电子学与计算机, 2019, 36(12): 72-77.

LIANG Wei-wei, WANG Jing, WANG Xu, et al. Architecture-parameters-guided approximate computing technique[J]. 2019, 36(12): 72-77.
梁伟伟, 王晶, 王旭, 刘鑫培, 张伟功. 体系结构特征参数指导的近似计算技术[J]. 微电子学与计算机, 2019, 36(12): 72-77. DOI：

LIANG Wei-wei, WANG Jing, WANG Xu, et al. Architecture-parameters-guided approximate computing technique[J]. 2019, 36(12): 72-77. DOI：

摘要

能耗是制约微处理器发展的瓶颈之一

近似计算技术能够放松对精度的要求提高能效性.不同的应用程序对精度的需求各不相同

但现有技术选择近似程度时没有考虑程序需求

因而无法保证达到最优的能效性.针对上述问题本文提出了体系结构特征参数指导的近似计算技术

建立了体系结构参数同近似敏感度之间的联系

通过机器学习方法选择对近似影响较大的参数

利用分类决策树建立区分程序近似敏感度的分析模型

并基于分析结果指导近似程度的选择.实验结果显示

本文的方法能够为不同程序选择合适的近似程度

实现计算精度和能效性的折中优化.

Abstract

This paper proposes an approximate computing technique for the guidance of architectural characteristic parameters. The technique analyzes the relationship between architectural parameters and approximate sensitive features. The parameters with great influence on approximate computing are selected by machine learning method.The classification and regression tree is used to analyze the approximate sensitivity of application and select the approximate degree according to the analysis results. Experimental results show that the method proposed by the paper can select the appropriate approximate degree for different application

and achieve the tradeoff optimization between computational accuracy and energy efficiency.

关键词

Keywords

references

GRIGORIAN B, REINMAN G. Dynamically adaptive and reliable approximate computing using light-weight error analysis[C]// Adaptive Hardware and Systems. UK, Leicester: IEEE, 2014: 248-255.

CHIPPA V K, CHAKRADHAR S T, ROY K, et al. Analysis and characterization of inherent application resilience for approximate computing[C]// Proceedings of the 50th Annual Design Automation Conference. USA, Texas: ACM, 2013: 1-9.

HASHEMI S, ANTHONY N, TANN H, et al. Understanding the impact of precision quantization on the accuracy and energy of neural networks[C]//Proceedings of the Conference on Design, Automation % Test in Europe. Switzerland, Lausanne: EDAA, 2017: 1478-1483.

VENKATAGIRI R, MAHMOUD A, HARI S K S, et al. Approxilyzer: Towards a systematic framework for instruction-level approximate computing and its application to hardware resiliency[C]// The 49th Annual IEEE/ACM International Symposium on Microarchitecture. Taiwan, Taipei: IEEE, 2016: 1-14.

KAHNG A B, KANG S. Accuracy-configurable adder for approximate arithmetic designs[C]// Proceedings of the 49th Annual Design Automation Conference. USA, California: ACM, 2012: 820-825.

王珍珍, 杨志涛, 王晶, 等.基于BCH算法的高速缓存纠检错方案研究[J].微电子学与计算机, 2016, 33(11):124-128. DOI: 124

张迅珍, 梁青, 李涛.RV32I控制单元设计与实现[J].微电子学与计算机, 2018, 35(3):74-78. DOI: 74

ESMAEILZADEH H, SAMPSON A, CEZE L, et al. Neural acceleration for general-Purpose approximate programs[J]. IEEE Micro, 2013, 33(3):16-27. DOI: 16

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超低功耗实时时钟电路的设计

一种用于极低压boost系统的高效率电荷泵

基于区块链的AI生成内容溯源框架设计研究

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

基于改进RT-DETR的航拍小目标检测算法