基于BP神经网络的系统级电源管理算法

在深入研究目前国际上比较流行的几种系统级电源管理(PM)算法的基础上,利用BP神经网络的非线性映射能力,提出基于BP神经网络的、对任务之间相互间隔时间也就是系统空闲时段的长度进行自适应学习的BPPM算法,具有传统回归PM算法不可比拟的优点。仿真实验表明引入神经网络的电源管理算法较之传统PM算法大大降低了系统级功耗。实现了在不需要建立系统模型、无需预先获得负载统计特性的前提下,通过从系统正常工作产生的数据中不断学习,使系统具有自适应、高效的电源管理能力,以达到降低系统功耗、提高器件可靠性、延长工作寿命的目的。