嵌入式软件算法级功耗BP网络模型研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

嵌入式软件算法级功耗BP网络模型研究

刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜

文章导航 > 电子科技大学学报 > 2011 > 40(6): 921-926

刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜. 嵌入式软件算法级功耗BP网络模型研究[J]. 电子科技大学学报, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

引用本文:

刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜. 嵌入式软件算法级功耗BP网络模型研究[J]. 电子科技大学学报, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

LIU Xiao-bin, GUO Bing, SHEN Yan, WANG Ji-he, WU Yuan-sheng. Research on Embedded Software Power Model of Algorithm Level Using BP Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

Citation:

LIU Xiao-bin, GUO Bing, SHEN Yan, WANG Ji-he, WU Yuan-sheng. Research on Embedded Software Power Model of Algorithm Level Using BP Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

嵌入式软件算法级功耗BP网络模型研究

doi: 10.3969/j.issn.1001-0548.2011.06.022

1.
四川大学计算机学院成都 610065;
2.
成都信息工程学院控制工程学院成都 610225

基金项目:

国家863计划(2008AA01Z105);四川省杰出青年科技基金(2010JQ0011)

作者简介:
刘啸滨(1987-),男,博士生,主要从事嵌入式系统、中间件技术、软件体系结构等方面的研究.

中图分类号: TP302.7

Research on Embedded Software Power Model of Algorithm Level Using BP Neural Networks

1.
School of Computer Science & Engineering,Sichuan University Chengdu 610065;
2.
School of Control Engineering,Chengdu University of Information Technology Chengdu 610225

摘要: 从算法级分析软件功耗和软件特征的关联关系,对嵌入式软件的时间复杂度、空间复杂度和输入规模3个特征进行度量,提出一种基于算法复杂度的嵌入式软件功耗宏模型。设计、训练一种BP神经网络,用于实现功耗函数逼近。仿真实验表明,该功耗函数的估算结果和真实值误差在10%以内,可用于快速估算软件算法在一定输入规模情况下的功耗值,为下一步开展功耗优化工作打下基础。
- 算法级 /
- BP神经网络 /
- 复杂度 /
- 嵌入式软件 /
- 功耗模型
Abstract: Power consumption in embedded systems is becoming a hot issue that attracts more attention. Different assemble instruction set, software algorithm, and high-level software architecture can significantly affect the system energy consumption. In this paper, we firstly analyze the relations between software energy consumption and some software characteristics on algorithm level. Through measuring three software characteristics, i.e., average time complexity, space complexity, and input scale, we propose a BP neural network software power model based on algorithm complexity. Then, we design and train a kind of BP neural network to accomplish energy consumption function approximation. Simulation experiment results show that the error between the estimation value of this energy consumption function and the real energy consumption value is below 10%. Therefore, it could quickly estimate the energy consumption of software in some input scale, which is an important fundament to explore the energy consumption optimization in the future.
- algorithm level /
- BP neural network /
- complexity /
- embedded software /
- power model

[1]	周江平, 周媛媛, 周学军, 李洁琼. 基于BP神经网络的测量设备无关协议参数预测 . 电子科技大学学报, 2024, 53(): 1-6. doi: 10.12178/1001-0548.2023011
[2]	刘慧超, 王志君, 梁利平. 融合视频编码的低复杂度纹理自适应视频加密算法 . 电子科技大学学报, 2020, 49(5): 700-708. doi: 10.12178/1001-0548.2019291
[3]	邵继业, 谢昭灵, 杨瑞. 基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
[4]	郭贤生, 陆浩然, 王建军, 李会勇. 基于证据理论的群指纹融合室内定位方法 . 电子科技大学学报, 2017, 46(5): 654-659, 665. doi: 10.3969/j.issn.1001-0548.2017.05.003
[5]	高军峰, 司慧芳, 于晓琳, 顾凌云. 多导脑电复杂度特征的谎言测试研究 . 电子科技大学学报, 2017, 46(4): 636-640. doi: 10.3969/j.issn.1001-0548.2017.04.026
[6]	姚毅, 胡剑浩, 马上. 基于RNS的PAPR抑制方法的性能分析与比较 . 电子科技大学学报, 2014, 43(6): 801-806. doi: 10.3969/j.issn.1001-0548.2014.06.001
[7]	邓召学, 郑玲, 郭敏敏, 张自伟. 基于遗传BP神经网络的磁流变悬置模型辨识 . 电子科技大学学报, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028
[8]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[9]	刘啸滨, 郭兵, 沈艳, 朱建, 王继禾, 伍元胜. 基于ARM处理器的嵌入式软件能耗统计模型 . 电子科技大学学报, 2012, 41(5): 770-774. doi: 10.3969/j.issn.1001-0548.2012.05.024
[10]	张健, 刘元安, 谢刚, 毛峻岭, 刘芳. 低复杂度的多用户MIMO下行链路块对角化算法 . 电子科技大学学报, 2011, 40(5): 662-666. doi: 10.3969/j.issn.1001-0548.2011.05.005
[11]	陈东华, 仇洪冰. OFDM系统中的一种低复杂度带状ICI抑制算法 . 电子科技大学学报, 2011, 40(4): 519-523.
[12]	江晓军, 刘正国, 洪晓鸥, 汪志锋. 获取平面光学元件面形偏差的方法研究 . 电子科技大学学报, 2010, 39(4): 581-584,622. doi: 10.3969/j.issn.1001-0548.2010.04.023
[13]	尹健康, 陈昌华, 邢小军, 谭俊, 姚进. 基于BP神经网络的烟田土壤水分预测 . 电子科技大学学报, 2010, 39(6): 891-895. doi: 10.3969/j.issn.1001-0548.2010.06.018
[14]	姜正茂, 杨建宇, 李良超. BP神经网络天线方向图获取方法研究 . 电子科技大学学报, 2010, 39(1): 37-40. doi: 10.3969/j.issn.1001-0548.2010.01.009
[15]	吴琦, 熊光泽. 嵌入式系统功耗优化电池模型 . 电子科技大学学报, 2007, 36(3): 551-554.
[16]	施俞行, 高峰, 罗克露, 梁军峰. 一种适用于智能家电嵌入式软件的框架构件模型 . 电子科技大学学报, 2006, 35(5): 807-810.
[17]	姜小波, 陈杰, 仇玉林. 低功耗、低复杂度TURBO码实现研究 . 电子科技大学学报, 2006, 35(4): 481-483.
[18]	孙剑, 许家珆. 神经网络算法在智能体IDS系统中的应用 . 电子科技大学学报, 2004, 33(3): 289-292.
[19]	舒兰, 吴磊, 张勇. 粗集神经网络系统及其应用 . 电子科技大学学报, 2002, 31(4): 426-428.
[20]	胡晓, 尧德中. 不同精神状态下EEG序列复杂性研究 . 电子科技大学学报, 1999, 28(3): 278-282.

WeChat

点击查看大图

计量

文章访问数: 3481
HTML全文浏览量: 90
PDF下载量: 109
被引次数: 0

嵌入式软件算法级功耗BP网络模型研究

doi: 10.3969/j.issn.1001-0548.2011.06.022

1. 四川大学计算机学院成都 610065;

2. 成都信息工程学院控制工程学院成都 610225

基金项目:

国家863计划(2008AA01Z105);四川省杰出青年科技基金(2010JQ0011)

作者简介:
刘啸滨(1987-),男,博士生,主要从事嵌入式系统、中间件技术、软件体系结构等方面的研究.

收稿日期: 2010-03-27
修回日期: 2010-06-10
刊出日期: 2011-12-15

中图分类号: TP302.7

关键词:

摘要: 从算法级分析软件功耗和软件特征的关联关系,对嵌入式软件的时间复杂度、空间复杂度和输入规模3个特征进行度量,提出一种基于算法复杂度的嵌入式软件功耗宏模型。设计、训练一种BP神经网络,用于实现功耗函数逼近。仿真实验表明,该功耗函数的估算结果和真实值误差在10%以内,可用于快速估算软件算法在一定输入规模情况下的功耗值,为下一步开展功耗优化工作打下基础。

English Abstract

刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜. 嵌入式软件算法级功耗BP网络模型研究[J]. 电子科技大学学报, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

引用本文:

刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜. 嵌入式软件算法级功耗BP网络模型研究[J]. 电子科技大学学报, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

LIU Xiao-bin, GUO Bing, SHEN Yan, WANG Ji-he, WU Yuan-sheng. Research on Embedded Software Power Model of Algorithm Level Using BP Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

Citation:

LIU Xiao-bin, GUO Bing, SHEN Yan, WANG Ji-he, WU Yuan-sheng. Research on Embedded Software Power Model of Algorithm Level Using BP Neural Networks[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发