پیش بینی دما در سیستم های چند هسته ای با استفاده ازخوشه بندی عامل های موثر بر دما

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی دما در سیستم های چند هسته ای با استفاده ازخوشه بندی عامل های موثر بر دما دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی دما در سیستم های چند هسته ای با استفاده ازخوشه بندی عامل های موثر بر دما  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی دما در سیستم های چند هسته ای با استفاده ازخوشه بندی عامل های موثر بر دما،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی دما در سیستم های چند هسته ای با استفاده ازخوشه بندی عامل های موثر بر دما :

تعداد صفحات :۱۴

چکیده مقاله:

از رویکردهای اصلی در افزایش توان محاسباتی پردازندههای چندهستهای، افزایش تعداد هستهها است. افزایش تعداد هستههای یک تراشه، منجر به افزایش چگالی توان مصرفی پردازنده و به دنبال آن، افزایش دما میشود. برای جلوگیری از افزایش دمای پردازنده از حدآستانه، روشهای مدیریت دما مورد استفاده قرار میگیرند. روشهای مدیریت دمای پویا، در زمان اجرای برنامهها، دمای پردازنده را مدیریت میکنند. در مدیریت دما با رویکرد فعال، دمای پردازنده، با استفاده از یک مدل دمایی، پیشبینی شده و دما پیش از رسیدن به حدآستانه با روشهای مختلف کنترل میشود. از آنجاییکه عاملهای زیادی بر دمای پردازنده تاثیر میگذارند، با استفاده از یک مدل پیشبینی دمای ساده، نمیتوان پیشبینی دقیقی از دمای پردازنده ارایه نمود. از مهمترین عاملها در میزان تغییر دمای پردازنده، بارکاری اجرایی، فرکانس پردازنده و سرعت فن است. با توجه به این عاملها، رفتارهای دمایی مختلفی در سیستم دیده میشود. بر این اساس، در این مقاله، برای پیشبینی دما، به خوشه بندی عاملهای موثر بر دما پرداخته شده است. برای هر یک از خوشهها، به عنوان یک فاز، از یک مدل پیشبینی دما استفاده میشود. برخی از ویژگیهای مدل پیشبینی دما بااستفاده از حسگرها و سنجههای سیستم بهدست میآیند. از طرفی، برای افزایش دقت پیشبینی، ویژگی- های دیگری، با پردازشهای پیشنهادی فراهم شدهاند. در این مقاله، برای هر فاز، از یک شبکه عصبی پرسپترون چندلایه با ویژگیهای مناسب خود، برای پیشبینی دما استفاده میشود. نتیجهی ارزیابیها، دقت بالای مدل پیشبینی دمای پیشنهادی را نشان میدهد.