神经网络在SoC高层次功耗估计中的应用
【摘要】:提出了一种基于BP神经网络的功耗宏模型:提取CMOS集成电路原始输入/输出流的统计特征,包括平均信号概率,平均信号翻转率和平均时空相关系数,采用反向传播BP神经网络对电路的平均功耗建模。与传统的基于查找表和经验方程的宏模型相比具有如下优点:不需要根据不同电路预先假定经验方程的形式;对数字电路进行功耗估计不需要同时对电路进行仿真。对ISCAS-85的实验结果表明:功耗估计的平均相对误差小于5%,均方根误差可基本控制在1-2%。
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|