检索结果-南通市图书馆

基于多元时序数据学习和Transformer模型的作业功耗预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多元时序数据学习和Transformer模型的作业功耗预测方法研究

作者：田学森齐鲁工业大学

学位级别：硕士

随着高性能计算(HPC)技术的飞速发展,其计算能力得到了显著提升,越来越多的用户开始将复杂的作业任务部署到超级计算平台上执行。通过多个计算节点并行处理任务,作业处理效率得到了显著的提高。然而,计算能力的增加同时伴也随着巨大的... 详细信息

随着高性能计算(HPC)技术的飞速发展,其计算能力得到了显著提升,越来越多的用户开始将复杂的作业任务部署到超级计算平台上执行。通过多个计算节点并行处理任务,作业处理效率得到了显著的提高。然而,计算能力的增加同时伴也随着巨大的能源消耗问题,这不仅增加了数据中心的运营成本,而且对生态环境的保护以及国家节能减排政策的实施构成了重大挑战。但由于作业类型的多样性和环境的不断变化,传统的功耗预测模型往往难以适应快速变动的条件,导致预测精度下降。针对上述问题,本文首先对部署在“山河”超算平台集群上的作业进行全面分析,进而提出一种新的预测算法和框架。旨在通过精准预测功耗,为平台提供有效的能耗降低策略。本文研究内容如下:(1)本文从用户角度、作业角度及节点角度对功耗数据进行了全面分析,并探讨了功耗数据与性能指标之间的相关性。本文利用国家超级计算济南中心生产级集群的真实数据,深入分析了功耗模式,为精确预测功耗建模提供了坚实的基础。此外,本文分析结果为平台能耗管理与优化提供了科学依据和指导建议。(2)针对现有方法在作业功耗预测方面存在不足,本文提出一种基于Transformer的时间-变量注意力的预测模型。该模型通过分块处理降低了时间复杂度以及提高了信息捕捉能力。使用时间-变量注意力可以有效捕捉上下文信息以及多元功耗时序变量间的内隐关系。通过与多个基线模型的对比测试,验证了DT-TVF模型的有效性。(3)在实际的高性能计算(HPC)环境中,作业多样性与环境的动态变化往往使得特定模型难以准确预测各类作业的功耗。针对这一挑战,本文提出了一个融合作业相似度匹配与增量更新的预测框架。该框架的相似度匹配模块能够有效地将目标作业归类到相似度较高的类别中。同时,增量更新模块使得预测方法能够快速适应数据的动态变化。此外,在增量更新模块中加入了更新时机判定机制,利用动态统计建模技术,有效地实现了模型更新时机的动态选择,在提高预测精准性的同时减少了模型更新频率,降低了模型的时间复杂度。这些模块的协同工作确保了该框架在功耗预测上的精准性与高效性。

关键词：多元时序数据 Transformer 功耗预测超算平台作业

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

嵌入式网络通信远程数据传输功耗准确预测

计算机仿真 2024年

作者：董旭斌何世彪李成勇陆鹏重庆工程学院电子信息学院重庆大学资源与安全学院

随着互联网应用逐渐覆盖到各个领域，为了使嵌入式网络通信系统拥有更高的性能和可靠性，在数据传输过程中对内存和功耗的要求不断提升。为了满足上述需求，以卷积神经网络作为数据预测方法，并结合GINI指数分类来实现对精准远程数据传... 详细信息

随着互联网应用逐渐覆盖到各个领域，为了使嵌入式网络通信系统拥有更高的性能和可靠性，在数据传输过程中对内存和功耗的要求不断提升。为了满足上述需求，以卷积神经网络作为数据预测方法，并结合GINI指数分类来实现对精准远程数据传输功耗预测。上述算法首先采用离散小波变换将连续传输信号进行离散化表示，以提升；然后采用功耗分析的精确度GINI指数分类算法，将离散据进行类别分割；最后利用CNN网络学习功耗数据的复杂模式和特征能力，引入卷积神经网络（CNN）功耗进行建模预测，提升预测远程数据传输功耗的精确度。提出的远程数据传输功耗预测算法仿真结果表明，上述算法在传播速率方面有明显提升，达到118.72Mbps的传输速率；且以上算法有效地增加了数据传输的容积，容量增加率高达96.79%。以上研究不仅提高了预测的准确性，还显著的提升了网络性能和数据传输效率，在功耗预测领域具有重要的研究价值。上述研究对于满足不断增长的通信需求和提高网络可靠性具有关键意义。

关键词：卷积神经网络无线远程数据传输功耗预测

基于GINI指数分类的嵌入式CPU功耗预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机学报 2015年第2期38卷 397-407页

作者：王海高岭宋振孝戴小平卢怡杰西北大学信息科学与技术学院西安710069

文中提出了一种基于嵌入式系统CPU功耗预测并对其进行低功耗优化的方法.引入GINI指数的构建训练分类器,利用PowerTop工具对系统CPU进行监测,并以此作为训练数据集,将该分类器封装到系统中,对嵌入式系统的CPU频率、电压及所处的状态进行... 详细信息

文中提出了一种基于嵌入式系统CPU功耗预测并对其进行低功耗优化的方法.引入GINI指数的构建训练分类器,利用PowerTop工具对系统CPU进行监测,并以此作为训练数据集,将该分类器封装到系统中,对嵌入式系统的CPU频率、电压及所处的状态进行预测.通过仿真实验表明,该方法在系统负载较小的情况下,对嵌入式CPU功耗的优化的效果更好.

关键词： GINI指数功耗预测机器学习 CPU功耗移动互联网

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

嵌入式网络通讯接口数据传输功耗预测仿真

计算机仿真 2018年第8期35卷 315-318,414页

作者：郭彬王立中阮福内蒙古农业大学计算机技术与信息管理系内蒙古包头014109

嵌入式网络通信接口数据传输功耗预测对提高数据传输的质量,降低信息传输的功耗具有重要意义,当前嵌入式网络通讯接口数据传输功耗预测由于不能准确分析数据传输中数据大小、传输数据带宽以及数据中噪声含量与数据传输功耗之间的关系,... 详细信息

嵌入式网络通信接口数据传输功耗预测对提高数据传输的质量,降低信息传输的功耗具有重要意义,当前嵌入式网络通讯接口数据传输功耗预测由于不能准确分析数据传输中数据大小、传输数据带宽以及数据中噪声含量与数据传输功耗之间的关系,导致传输功耗预测的准确度不高。为此提出一种基于马尔可夫模型的嵌入式网络通讯接口数据传输功耗预测方法,通过计算在数据传输过程中路径衰落效应、阴影效应以及多径衰落效应下数据信噪比,实现数据发送功率,路径衰落指数以及信噪比之间关系的描述,从而建立数据传输信道模型,并利用马尔可夫模型,通过建立嵌入式网络通讯接口数据传输过程中一次状态转移矩阵,利用数据传输过程中状态转移概率矩阵和初始状态概率,实现数据传输功耗预测,实验结果表明,所提方法能够准确描述数据传输中数据大小、传输数据带宽以及数据中噪声含量与数据传输功耗之间的关系,提高了嵌入式网络通讯接口数据传输功耗预测的准确性。

关键词：嵌入式网络通讯接口数据传输功耗预测

维普期刊数据库

基于GINI指数分类的嵌入式CPU功耗预测优化方法研究

在线全文

学校读者我要写书评

暂无评论

基于GINI指数分类的嵌入式CPU功耗预测优化方法研究

作者：宋振孝西北大学

学位级别：硕士

随着半导体技术的飞速发展,嵌入式系统技术的发展进入了一个日新月异的阶段。嵌入式处理器的功能越来越强大,体积越来越小,功耗却在变得越来越大。不断增加的系统功耗严重阻碍了嵌入式系统向移动嵌入式系统发展的脚步。相对于快速发展... 详细信息

随着半导体技术的飞速发展,嵌入式系统技术的发展进入了一个日新月异的阶段。嵌入式处理器的功能越来越强大,体积越来越小,功耗却在变得越来越大。不断增加的系统功耗严重阻碍了嵌入式系统向移动嵌入式系统发展的脚步。相对于快速发展的处理器技术,大多数由电池供电的移动嵌入式系统的电池技术的发展远远落后于需求,因此嵌入式系统本身的功耗优化成为了研究者关注的热点。近年来,有关嵌入式系统功耗的研究方法主要集中在操作系统级别,用到的方法主要有动态电源管理(DPM)、动态电压调节(DVS)等。本文正是基于嵌入式系统可以支持对其CPU的工作电压、频率进行动态调节的特点,将机器学习应用于嵌入式系统功耗的优化问题。希望能够找到一种可以应用于大多数嵌入式系统的耦合性低、智能化高的功耗预测优化方法,以达到在不影响嵌入式系统性能的前提下,最大限度的降低系统功耗,延长系统的使用时间。主要工作有以下几个方面。 1、根据嵌入式系统的工作特点,分析其运行时各部分所消耗系统能耗,提出让CPU在允许延迟的时间内,尽可能多的处于低电压和低频率工作状态,最大限度的降低CPU运行时的能耗。通过对机器学习知识的梳理,对比分析其中算法各自的特点及适用条件,提出基于GINI指数的分类方法作为研究内容。 2、提出了一种对嵌入式系统CPU功耗进行预测并降低其功耗的方法。该方法利用PowerTOP对系统CPU监测的结果作为训练集,引入基于GINI指数的分类方法训练分类器,再将该分类器包装成模块封装到系统中去,对系统CPU的频率、电压及所处的模式进行预测。 3、在以上工作的基础上,利用Matlab与WEKA等工具对提出的方法进行仿真实验验证,论证了本文工作的有效性。并通过对预测方法的扩展,从侧面论证了本文提出的方法的有效性。

关键词：机器学习 GINGI指数功耗预测功耗优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高性能计算集群的能耗分析与功耗预测研究

高性能计算集群的能耗分析与功耗预测研究

作者：陈泳杰齐鲁工业大学

学位级别：硕士

随着高性能计算(High Performance Computing,HPC)技术的飞速发展,HPC数据中心的算力得到巨大的提升,越来越多的行业用户习惯于将业务应用部署到HPC数据中心。但算力增强的同时也伴随着高能耗问题的出现,HPC集群作为HPC数据中心重要的... 详细信息

随着高性能计算(High Performance Computing,HPC)技术的飞速发展,HPC数据中心的算力得到巨大的提升,越来越多的行业用户习惯于将业务应用部署到HPC数据中心。但算力增强的同时也伴随着高能耗问题的出现,HPC集群作为HPC数据中心重要的组成部分,其巨大的能源消耗不仅加重了HPC数据中心的运营成本,还对生态环境保护及国家双碳战略推进实施带来了负面影响。为了解决这一问题,本文首先对HPC集群能耗进行一个全面的分析,如针对集群的整体能耗或集群中运行的作业的能耗进行分析,同时重点对用户能耗也做了定量分析。其次,针对HPC集群的高能耗问题,本文设计并实现了对HPC集群的功耗预测算法,用于辅助高性能数据中心运营方提高能效并制定节能策略,算法支持集群中多样化作业的功耗预测以及相同作业不同参数的功耗预测。本文以HPC集群能耗分析以及功耗预测作为出发点,在阅读大量参考文献的基础上,对当前数据中心高性能计算集群的能耗问题进行分析与研究。总结本文的主要贡献如下:(1)针对当前HPC集群分析不全面的问题,本文从HPC集群用户特征分析、集群负载分析以及用户执行作业的特征分析三个方面对国家级超算中心内的真实高性能生产集群进行了多维度分析。发现了集群内存在的能耗曲线规律以及问题,通过分析问题的原因并对存在的问题提出相应的能耗优化解决方案。(2)针对HPC集群内多种作业功耗预测精确度低的问题,本文提出了一种基于用户作业相似性判断的功耗预测方法(Power consumption prediction based on similarity judgment,PCPSJ)。该算法通过从该用户执行的历史作业中选出与目标作业相似的作业集合进行训练,并对目标作业进行预测。同时为了验证PCPSJ算法的有效性,本文在五种不同作业类型的数据集上进行测试实验,并与基线模型进行对比,结果表明了PCPSJ算法在预测精确度方面的优越性。

关键词：高性能计算能耗分析功耗预测神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云服务器的功耗预测和功耗封顶节能技术研究

云服务器的功耗预测和功耗封顶节能技术研究

作者：吴光欣华南理工大学

学位级别：硕士

云服务器的能耗管控是云计算节能技术方向一个重要的研究点。精准、高效的服务器功耗预测模型能够提供具有前瞻性的决策依据,实现智能、自适应的能耗管控,达到服务器高能效运行的目标。传统机器学习方法优秀的预测表现需要充足、高质量... 详细信息

云服务器的能耗管控是云计算节能技术方向一个重要的研究点。精准、高效的服务器功耗预测模型能够提供具有前瞻性的决策依据,实现智能、自适应的能耗管控,达到服务器高能效运行的目标。传统机器学习方法优秀的预测表现需要充足、高质量的数据支撑。然而,面对数据中心云服务器异构、频繁地扩展迭代和容纳负载复杂多变的特点,构建精确的机器学习预测模型需要在数据采集和存储上耗费巨大的时间和空间成本。云服务器冗余的供电策略可以保证服务的稳定可靠,但是有分析表明服务器运行的大部分时间并非处于满载状态,因此存在能源浪费的情况。功耗封顶技术常被用于限制服务器的峰值功耗、降低电力资源的过度分配,但也会带来服务器性能的退化,如何在保证服务质量和实现节能之间达到平衡是需要解决的问题。针对现有研究工作存在的问题和挑战,本文提出了相应的解决思路并验证其有效性,其中主要研究内容和贡献如下:(1)调研分析目前云计算场景中主流预测任务的研究现状。归纳总结迁移学习的基本概念、相关定义、技术方法和应用场景,作为后续提出基于迁移学习功耗预测模型的工作基础。对目前常见的服务器功耗管理机制以及节能技术进行调研分析,重点对基于DVFS技术和功耗封顶技术的相关应用研究开展分析讨论。(2)迁移学习模型可以通过重用相似领域的数据,结合少量的目标领域数据训练得到与传统机器学习模型媲美的预测效果。为了能够重用相似服务器的功耗数据,降低采集和存储数据的成本,本文设计实现一种基于实例迁移的服务器功耗预测模型(TLSPP)。TLSPP属于一个多值预测模型,本文结合服务器功耗预测场景的特性从模型的特征构造、源域数据选择、迁移预测算法以及模型的更新进行逐一实现。实验结果表明,对比其他机器学习方法,TLSPP在节约50%的目标域数据规模的同时,实现约7%预测误差,能够有效地节约采集和存储大量目标域数据耗费的时间和空间成本。(3)针对功耗封顶技术可以降低服务器功耗,提高能源利用效率,但是也会带来性能退化的问题,本文借助功耗预测模型,实现一种功耗预测驱动的服务器功耗封顶节能技术(PDPC)。该方法的本质是一种“四段式”的方法,目标封顶功耗值则基于预测功耗值动态调整,而封顶的上限阈值、下限阈值和封顶解除阈值用于保证服务质量的损失在可控范围内。实验结果表明,PDPC方法在执行不同类型负载和同类方法对比的实验中均取得较好的节能效果和保持较好的服务质量。

关键词：云数据中心功耗预测节能技术功耗封顶

面向CPU/GPU异构系统的多类型任务功耗预测及负载均衡方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向CPU/GPU异构系统的多类型任务功耗预测及负载均衡方法

作者：李佳明桂林理工大学

学位级别：硕士

随着新一代人工智能及大数据技术的不断进步,特别是深度学习在各个领域的广泛应用,传统的基于CPU的服务器已经无法满足如此大量的计算需求。CPU/GPU异构计算系统结合了CPU的逻辑控制和串型计算能力,以及GPU的高并发优势,世界上很多超级... 详细信息

随着新一代人工智能及大数据技术的不断进步,特别是深度学习在各个领域的广泛应用,传统的基于CPU的服务器已经无法满足如此大量的计算需求。CPU/GPU异构计算系统结合了CPU的逻辑控制和串型计算能力,以及GPU的高并发优势,世界上很多超级计算机都采用这类异构系统满足日益剧增的运算需求。然而,尽管CPU/GPU异构系统为大规模的运算需求提供了保障,但是其高速运算能力带来的高功耗开销问题,已经被学术及工业界关注。为了有效控制异构系统的功耗问题,本文的主要研究工作分别提出了功耗预测算法及任务调度方法。其中功耗预测是任务调度的基础,基于此本文先提出了一种改进的人工神经网络功耗预测算法,针对不同类型任务,对异构计算系统的功耗变化进行了有效预测;接着在预测的基础上,提出了一种基于遗传算法的多阶段混合负载均衡调度方法,改善异构处理器负载不均衡带来的系统性能下降问题。具体研究内容如下:(1)为提高功耗预测的准确性,通过改进现有的人工神经网络模型,设计和实现了一种功耗预测算法。首先,考虑到不同类型任务对服务器功耗的影响,采集了CPU密集型、内存密集型、I/O密集型和GPU密集型任务的相关数据。并根据收集到的数据,结合卷积神经网络(CNN)、双向长短期记忆神经网络(Bi LSTM)和注意力机制(Attention Mechanism)的优势提出了一种功耗预测算法。最后,通过对比实验验证了所提出算法的性能优越性,为后续任务调度奠定基础。(2)在工作(1)的基础上,为了优化计算资源利用率提升系统性能,利用遗传算法在随机搜索上的优势,提出了一种多阶段混合负载均衡调度方法。首先,通过小部分任务负载探测CPU和GPU的计算能力。接着,根据得到的计算能力比值,将任务负载合理分配到不同的处理器上。针对不同类型的任务,结合遗传算法对探测比例进行优化,以找到各任务负载的最优探测比例,降低处理器的等待时间,从而减少任务的总执行时间。最后,在不同的测试集上进行了对比实验,实验结果表明所提出的调度方法有效提升了系统性能。

关键词：异构计算人工神经网络功耗预测负载均衡遗传算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于无线远程数据传输功耗准确预测仿真

计算机仿真 2018年第2期35卷 334-337页

作者：李瑶沈阳师范大学辽宁沈阳110034

对无线远程数据传输功耗的准确预测,能够有效降低无线远程数据传输开销。对无线远程数据传输过程中的准确预测,需要对采集的数据进行处理,从而进一步对功耗数据进行分割,完成对数据传输功耗的预测。传统方法建立功率代价预测模型,然后... 详细信息

对无线远程数据传输功耗的准确预测,能够有效降低无线远程数据传输开销。对无线远程数据传输过程中的准确预测,需要对采集的数据进行处理,从而进一步对功耗数据进行分割,完成对数据传输功耗的预测。传统方法建立功率代价预测模型,然后利用多元线性同归工具对模型的重要参数进行拟合,但忽略了对功耗数据进行分割,导致预测精度偏低。提出基于GINI指数分类的无线远程数据传输功耗预测方法。首先对无线远程数据传输功耗进行采集,对采集的数据进行处理,利用GINI指数分类方法以不同的数据传输环境为依据,对处理后的功耗数据进行分割,利用分割结果建立无线远程数据传输功耗预测模型,从而实现无线远程数据传输功耗预测。结果表明,所提方法进行数据传输功耗预测,预测的准确度较高,占用的内存空间较小,对数据传输的质量影响较小,为该领域的研究发展创造条件。

关键词：嵌入式无线远程数据传输功耗预测

维普期刊数据库