华中科技大学学报(自然科学版)
華中科技大學學報(自然科學版)
화중과기대학학보(자연과학판)
JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE)
2005年
z1期
101-103
,共3页
超标量微处理器%条件分支预测算法%人工神经元网络
超標量微處理器%條件分支預測算法%人工神經元網絡
초표량미처리기%조건분지예측산법%인공신경원망락
针对人工神经元网络学习速度较慢的缺点,提出了改进学习算法的基于人工神经元网络的条件分支预测算法.基于SmpleScalar模拟器,用SPEC95基准程序对改进的方案进行了性能评估.模拟测试表明,在学习初期,相比传统人工神经元网络预测算法,改进的分支预测算法能使预测失效率降低1%~2%,而在稳定期,可获得同等的预测精度.
針對人工神經元網絡學習速度較慢的缺點,提齣瞭改進學習算法的基于人工神經元網絡的條件分支預測算法.基于SmpleScalar模擬器,用SPEC95基準程序對改進的方案進行瞭性能評估.模擬測試錶明,在學習初期,相比傳統人工神經元網絡預測算法,改進的分支預測算法能使預測失效率降低1%~2%,而在穩定期,可穫得同等的預測精度.
침대인공신경원망락학습속도교만적결점,제출료개진학습산법적기우인공신경원망락적조건분지예측산법.기우SmpleScalar모의기,용SPEC95기준정서대개진적방안진행료성능평고.모의측시표명,재학습초기,상비전통인공신경원망락예측산법,개진적분지예측산법능사예측실효솔강저1%~2%,이재은정기,가획득동등적예측정도.