现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2012年
13期
130-133
,共4页
动态电源管理%预测式策略%内嵌式Markov模型%分层迭代
動態電源管理%預測式策略%內嵌式Markov模型%分層迭代
동태전원관리%예측식책략%내감식Markov모형%분층질대
针对基于马尔可夫模型的预测式动态电源管理算法(DPMPA)对大型样本数据预测精度低的问题,提出了一种具备自反馈功能的内嵌式马尔可夫模型(RMM)的DPMPA.该算法基于分层迭代思想,对满足马尔可夫性质的大型数据进行聚类,再使用马尔可夫算法对构建出的迭代数据模型:上层抽象数据模型和底层实例数据模型进行训练.引入反馈函数φ(i),控制转换概率矩阵更新频率,保证预测精度范围.依此,编制了自反馈内嵌式马尔可夫模型DPMPA的Madab程序.应用该程序对无线热点访问次数进行仿真预测,得出不同训练样本数对后期样本的预测精度的影响,对比马尔可夫算法和自适应学习树(ALT)算法预测结果表明,基于该自反馈RMM预测式动态电源管理算法对于大型样本数据预测精度比前者高5％,后者高10％.预测精确度的提高,将更有利于马尔可夫算法的DPM系统功耗控制.
針對基于馬爾可伕模型的預測式動態電源管理算法(DPMPA)對大型樣本數據預測精度低的問題,提齣瞭一種具備自反饋功能的內嵌式馬爾可伕模型(RMM)的DPMPA.該算法基于分層迭代思想,對滿足馬爾可伕性質的大型數據進行聚類,再使用馬爾可伕算法對構建齣的迭代數據模型:上層抽象數據模型和底層實例數據模型進行訓練.引入反饋函數φ(i),控製轉換概率矩陣更新頻率,保證預測精度範圍.依此,編製瞭自反饋內嵌式馬爾可伕模型DPMPA的Madab程序.應用該程序對無線熱點訪問次數進行倣真預測,得齣不同訓練樣本數對後期樣本的預測精度的影響,對比馬爾可伕算法和自適應學習樹(ALT)算法預測結果錶明,基于該自反饋RMM預測式動態電源管理算法對于大型樣本數據預測精度比前者高5％,後者高10％.預測精確度的提高,將更有利于馬爾可伕算法的DPM繫統功耗控製.
침대기우마이가부모형적예측식동태전원관리산법(DPMPA)대대형양본수거예측정도저적문제,제출료일충구비자반궤공능적내감식마이가부모형(RMM)적DPMPA.해산법기우분층질대사상,대만족마이가부성질적대형수거진행취류,재사용마이가부산법대구건출적질대수거모형:상층추상수거모형화저층실례수거모형진행훈련.인입반궤함수φ(i),공제전환개솔구진경신빈솔,보증예측정도범위.의차,편제료자반궤내감식마이가부모형DPMPA적Madab정서.응용해정서대무선열점방문차수진행방진예측,득출불동훈련양본수대후기양본적예측정도적영향,대비마이가부산법화자괄응학습수(ALT)산법예측결과표명,기우해자반궤RMM예측식동태전원관리산법대우대형양본수거예측정도비전자고5％,후자고10％.예측정학도적제고,장경유리우마이가부산법적DPM계통공모공제.
