应用输入向量约束的门替换方法缓解电路老化

为缓解负偏置温度不稳定性(negative bias temperature instability,NBTI)效应引起的电路老化,提高电路可靠性,提出一种在电路待机状态下应用输入向量约束的门替换方法.运用动态和静态的NBTI模型进行感知NBTI的静态时序分析,确定潜在关键路径,考虑路径相关性的关键门算法以确定关键门,并生成能使关键门最大限度处于恢复阶段的输入向量.对输入向量无法控制的关键门采用门替换方法进行内部控制.对ISCAS标准电路的实验结果表明,电路时序余量为5%时,该方法的平均门替换率降低到9.68%,时延改善率提高到39.65%.

输入向量控制细胞神经网络全局指数稳定

利用输入向量来控制细胞神经网络的稳定性.所得结果表明,当输入向量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,不附加其它任何条件,细胞神经网络是全局指数稳定的.也讨论了输入向量的部分分量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,细胞神经网络的全局指数稳定性,所得结论推广和改进了某些已有文献的相应结果.

应用输入向量控制技术降低漏电功耗的快速算法

随着工艺的发展,为保证电路的性能和噪声容限必须降低阈值电压,这将导致漏电流呈指数增长,漏电功耗因而将逐渐超过动态功耗占据主导地位.CMOS的堆栈效应导致电路在不同向量下的静态功耗不同,因此在电路进入睡眠状态时使用输入向量控制技术是一种低功耗设计的有效方法,如何快速找到一个可降低电路漏电功耗的向量就成了问题的关键.介绍了一种在给定向量集合中查找低功耗向量的快速算法——基于概率传递的标记算法,并为此开发了一个事件驱动的门级组合电路仿真器.通过对ISCAS和龙芯处理器电路的实验结果表明,该算法同传统方法比较可以提高性能3.4倍,误差率仅约0.14%.

协同输入向量控制与门替换技术缓解电路NBTI老化

针对现有选取方法直接以输入向量控制(IVC)产生电路最小时延为目标,不能有效地发挥门替换(GR)技术优势的问题,提出一种输入控制向量选取方法,用于协同IVC和GR技术缓解电路负偏置温度不稳定性(NBTI)老化的方案.首先以IVC可控制关键门输入引脚为逻辑1的数量最大为目标,从备选向量集中选取最优输入控制向量,用于电路的输入控制;然后对不能通过最优输入控制向量控制为逻辑1的关键门输入引脚,分析其GR可防护性,对GR可防护的输入引脚的驱动门实施门替换.实验结果表明,与现有选取方法相比,文中方案可平均提高电路时延退化改善率7.56%,相对提升达到32.64%,同时,需要付出的附加面积开销和附加固有时延开销还略有降低.

建模误差对结构损伤识别神经网络的输入向量的影响

通过理论推导 ,得到了模型参数误差均匀分布时五种输入向量相对误差的计算公式 ,这些公式为结构损伤识别神经网络的输入向量的选择提供了理论指导。理论分析表明 ,用归一后的频率变化比或按模态点归一的一阶模态损伤信号指标构造神经网络的输入向量 ,能有效地降低甚至消除均匀建模误差的影响。这些公式和结论在梁和框架损伤识别的数值算例中得到了证实。此外 ,本文对非均匀建模误差对神经网络输入向量及识别结果的影响进行了数值模拟和分析。

三维输入向量CMAC神经网络连接权矩阵的计算

以矩阵理论为工具，提出了三维输入向量的ＣＭＡＣ 神经网络连接权矩阵的直接计算方法．应用该方法时不必迭代求解，经直接计算便可获得连接权矩阵。

一种新颖的动态选择输入向量的仿射投影算法

仿射投影算法利用多个输入向量更新滤波器系数,不同输入向量对滤波器性能影响不同。以均方偏差下降最快为目标,推导了动态选择输入向量的理想条件,该条件适用于仿射投影算法类中的多种算法。在此基础上,提出了一种便于实现的动态选择输入向量的仿射投影算法。理论分析与仿真结果表明:与传统的仿射投影算法相比,该算法具有收敛速率快、稳态误差小和计算复杂度小等优点。

一种基于输入向量机的高光谱影像分类算法

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。

基于混合遗传算法的输入向量控制漏电优化

提出了一种用于输入向量控制漏电优化的混合遗传算法。该算法首先根据输入信号对电路泄漏功耗的不同影响,将其划分为关键输入信号和非关键输入信号;接着将输入向量空间划分为子空间,混合遗传算法对子空间实施多样性控制实现全局搜索,在子空间内爬坡实现快速局部搜索。对采用HJTC(和舰科技)0.18μm工艺的ISCAS85电路的泄漏功耗进行了优化。结果表明,混合遗传算法的优化范围最大可达111.85%,而且其收敛速度更快。

基于输入向量控制和传输门插入的电路NBTI老化缓解

针对现有方案通过输入向量控制(input vector control,IVC)结合门替换(gate replacement,GR)技术缓解负偏置温度不稳定性(negative bias temperature instability,NBTI)引起的电路老化,存在GR应用可能破坏IVC抗老化效果的问题,文章提出了一种基于IVC和传输门(transmission gate,TG)插入的抗NBTI老化方案。将目标电路切分为多个逻辑锥子电路,然后对各子电路进行动态回溯得到其最优输入控制向量,在恢复各子电路的连接时,通过插入TG消除连线位置出现的逻辑冲突,最后得到由子电路合并后的目标电路的最优输入控制向量。采用相同条件的实验结果表明,与现有方案相比,本文方案提高了电路平均时延退化改善率超过1倍,且面积开销和电路固有时延也明显降低,更好地缓解了电路老化效应。

基于输入向量控制的衬底偏置技术面积优化方法

随着集成电路工艺进入纳米时代,VLSI漏电功耗迅速增加,增加了实时功耗管理系统的面积开销.为了大幅度减小反向衬底偏置(RBB)控制管的面积,对广泛应用的RBB优化漏电流技术提出一种新方法.基于双阈值CMOS电路设计,在输入最小漏电流向量的条件下,仅将反向偏置电压VRBB加到处于决定态的低阈值电压MOS管上,通过大幅度减小应用VRBB的晶体管数量来降低VRBB控制管的面积开销.在基于22 nm工艺ISCAS85基准电路上与单纯RBB方法进行比较的实验结果表明,该方法以损耗27.94%的漏电功耗优化效果为代价,降低了84.91%的面积开销.

LSSVM输入向量对夏季日最大负荷预测准确率的影响

以某地区为例,分析了LSSVM输入向量维数及长度对夏季日最大负荷预测准确率的影响。输入向量的设置考虑了气象因素对夏季日最大负荷的实时、综合和累积等方面的影响,以及负荷对气象敏感程度随时间的变化。

考虑输入占空比和随机性的M-IVC缓解电路老化

针对现有多输入向量控制(M-IVC)缓解负偏置温度不稳定性(NBTI)引起的电路老化的方法仅考虑到输入信号占空比约束的问题,提出一种同时优化输入信号占空比和随机性的M-IVC方法.首先采用遗传算法求解出电路的最优输入占空比;然后在最优占空比约束下产生具有随机性的各输入信号波形;最后构成多输入控制向量,依次应用到待机模式下电路的输入.采用相同的晶体管工艺模型和ISCAS85基准电路的实验结果表明,与现有M-IVC方法相比,文中方法能更好地缓解电路NBTI老化;可降低电路平均老化时延增量,分别达到45.9%和32.7%;而且随着电路待机时间的增加,该方法的抗老化效果变得越好.

永磁同步电动机输入多采样率准滑模控制

永磁同步电动机矢量控制系统常使用双闭环(速度和电流)级联结构,两个控制回路的动态响应速度存在显著不匹配,电机的机械和电气子系统具有典型的多采样率特性。基于多采样率控制理论,针对电机转速控制环提出了输入多采样率准滑模算法,在输出量损失数据状态下,该算法在输出估计基础上构建系统扩展输入向量。由于扩展输入向量,该算法降低了系统稳态抖振,进而提高整个系统的性能,仿真结果证明了该算法的有效性。

不同特征向量下基于SVM的短期风速预测

选取广东省某风电场的测风数据,运用支持向量机(SVM)的方法对其进行短期风速预测。为提高预测的精度,通过LIBSVM回归机的交叉验证函数确定最优参数,建立4种不同输入特征向量组合(风速序列、风速和风向、风速和气压、风速风向和气压)的模型,分别预测该风场的短期风速,并对4种模型的预测误差进行分析和比较。实验结果表明:气压不宜作为输入特征向量;选用风速和风向作为输入特征向量的模型,预测效果最理想,其平均绝对百分比误差为12.8%。

最小漏电向量的高效搜索算法研究

随着芯片工艺技术的发展,漏电逐渐成为功耗的主要部分,特别是当一个电路频繁进入空闲状态的时候。输入向量控制(IVC)技术可以有效地减少漏电功耗。基于这种技术,我们提出三种快速搜索最小漏电向量的方法。

环境适应的高斯噪声数据增强强化学习方法

状态向量输入的强化学习方法是一种基本的强化学习研究方向,具有广泛的应用前景。针对目前强化学习方法数据效率低下导致学习时间较长从而难以在现实环境中应用的问题,提出了一种环境适应的高斯噪声数据增强(environment-adapted Gaussian noise augmentation,EAGNA)方法,并将其作为一个模块插入到软演员-评论家(soft actor-critic,SAC)和近端策略优化(proximal policy optimization,PPO)方法中。针对任务环境中状态向量的各个元素分布范围,对每个元素添加具有不同均值和标准差的高斯噪声,从而达到增强数据的目的。在OpenAI Gym基准测试的3个基于状态向量输入的控制任务中,EAGNA较原算法获得了更高的平均回报,提高了算法的数据效率。特别是在具有复杂状态输入的Lunar Lander控制任务中,EAGNA获得的平均回报比SAC和PPO方法分别高出30.52和26.09。

基于循环向量协同优化电路的NBTI效应和泄漏功耗

当晶体管的特征尺寸减小到45nm时,电路的可靠性已经成为影响系统设计一个关键性因素。负偏压温度不稳定性(NBTI)和泄露功耗引起的电路可靠性现象的主要原因,导致关键门的老化加重,关键路径延迟增加,最终使得芯片失效,影响系统的正常工作。为了缓解NBTI效应和泄露功耗对电路可靠性的影响,延长电路的使用寿命,文中提出了循环向量方法进行协同优化。在ISCAS85基准电路,利用本方法协同优化实验,NBTI效应平均延迟相对改善了10%,泄漏功耗平均降低了15%,证明了循环向量方法的可行性。

基于BP神经网络的地震信号识别分类

本文主要讨论了利用BP神经网络对天然地震信号与地下爆炸形成的地震信号的识别分类问题,其中包括网络输入向量的选取等。结果表明,用此方法对地震信号进行识别分类是十分有效的。