

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近年來,隨著半導體工藝技術的發(fā)展,處理器芯片的集成度也越來越高,單個芯片的處理速度已近乎極限。多核技術成為現(xiàn)在提高處理器速度的一個研究熱點,將多個芯片如何協(xié)同的工作,帶來一個直接的問題就是處理器體系結構的日趨復雜,運行的程序特征也顯示出極大的多變性,這也就給體系結構的設計帶來了一個新的研究課題,以往的基于周期的模擬方法和分析模型已經(jīng)漸漸的不能滿足需求,在微處理器體系結構的設計初期,預測其行為就顯得尤為關鍵。
支持向量機是當
2、前應用最為廣泛的一種機器學習方法,它基于統(tǒng)計學習理論。適合于小樣本的學習,具有很強的泛化性能,不會出現(xiàn)其他預測模型難以解決的局部極值和維數(shù)災難等問題。但是模型參數(shù)選擇問題至今也沒有一個標準的理論知識作為指導,而以往的設計者們大都是依靠自己的先驗知識進行設計。因此,要取得好的設計效果就需要大量的經(jīng)驗作為保證,這樣不僅很難的取得好的效果,同時大大的影響了支持向量機方法的大范圍的推廣,提出用遺傳算法建立支持向量機回歸模型參數(shù)的自適應優(yōu)化算法,
3、利用遺傳算法優(yōu)化支持向量機模型設計中的重要的參數(shù)。
支持向量機方法已經(jīng)成功的應用于多個領域,但是大多數(shù)都是分類問題,在回歸預測方面的應用相對比較匱乏。本文的研究重點就是在支持向量機的基礎上探討一種比神經(jīng)網(wǎng)絡更優(yōu)的回歸預測模型,對微體系結構的空間設計進行前期的預測。引入遺傳優(yōu)化算法對支持向量機的參數(shù)進行優(yōu)化,得到基于遺傳算法的支持向量機回歸預測模型,并且通過基于LIBSVM的仿真實驗,對比神經(jīng)網(wǎng)絡方法的預測結果和支持向量機的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 智慧城市——事務模型軟件體系結構設計.pdf
- 企業(yè)應用程序體系結構設計.pdf
- 集成體系結構設計
- 體系結構設計過程的研究.pdf
- 軟件體系結構設計方法的研究與應用.pdf
- 面向智能噴霧機的軟件體系結構設計.pdf
- 支持向量回歸機在基金凈值預測中的應用.pdf
- VOIP系統(tǒng)中DSP的軟件體系結構設計.pdf
- 結構設計優(yōu)化技術體系及其在房屋結構設計中的應用.pdf
- 支持向量回歸機在組合預測中的應用研究.pdf
- 軟件體系結構設計案例分析
- 軟件體系結構設計方法的研究
- 支持向量機回歸在短期電力負荷預測中的應用研究.pdf
- 支持向量回歸機在藥品銷售預測中的分析及應用.pdf
- 支持向量機方法在結構損傷識別中的應用.pdf
- 支持向量回歸機代理模型設計優(yōu)化及應用研究.pdf
- 高層建筑的剪力墻體系結構設計微探
- 增量型支持向量機回歸訓練算法及在控制中的應用.pdf
- 支持向量機回歸在傳染病預測中的應用研究.pdf
- 省級綜合結算系統(tǒng)體系結構設計
評論
0/150
提交評論