In our experiments, the initial tra

In our experiments, the initial training set of COAL consists
of 300 randomly generated design configurations which have been labeled by cycleaccurate
simulations on the processor simulator. The number of iterations (t in Algorithm
1) in which SSL+AL is carried out is set to 100, which implies that 100 extra
unlabeled design configurations, selected in the AL process, will be labeled by cycleaccurate
processor simulations; 200 unlabeled design configurations will be labeled by
the regression trees in the cotraining SSL process. The entire unlabeled data set (U
in Algorithm 1) consists of 100K randomly generated unlabeled design configurations,
which are prepared for both SSL and AL processes. For the SSL, the size of pool containing
unlabeled design configurations (p in Algorithm 1) is set to 100 as in [Guo et al.
2011]. Moreover, M1 and M2 (the minimal numbers of examples in each leaf of two
trees, respectively) are set to 4 and 10, respectively, to obtain two diverse M5P regression
trees. In order to test the performance of COAL, additional 100 different design
configurations are simulated as the testing data.We did not finely tune the parameters
because our task is quite different from common machine learning problems owing to
the great simulation cost. For example, simulating a design configuration on a SPEC
benchmark taking the ref input may consume hundreds of hours.

ผลลัพธ์ (ไทย) 1:

ในการทดลองของเรา ชุดฝึกอบรมเริ่มต้นของถ่านหินประกอบด้วยกำหนดค่าการออกแบบที่สร้างขึ้นแบบสุ่ม 300 ที่ถูกกำหนดป้ายชื่อ โดย cycleaccurateจำลองในแบบจำลองการประมวลผล จำนวนการเกิดซ้ำ (t ในอัลกอริทึม1) ในการ SSL + AL มีดำเนินเป็น 100 ซึ่งหมายถึงการที่เพิ่ม 100จะมีชื่อที่กำหนดค่าออกแบบเพียง เลือกระหว่าง AL โดย cycleaccurateจำลองตัวประมวลผล ค่าออกแบบเพียง 200 จะมีป้ายชื่อโดยต้นถดถอยใน cotraining SSL ประมวลผล ทั้งหมดเพียงชุดข้อมูล (Uในอัลกอริทึม 1) ประกอบด้วย 100 K ที่สร้างขึ้นแบบสุ่มเพียงตั้งค่าคอนฟิกออกแบบซึ่งเตรียมความพร้อมสำหรับ SSL และ AL กระบวนการ สำหรับ SSL ขนาดของสระว่ายน้ำประกอบด้วยตั้งค่าคอนฟิกไม่ออก (p ในอัลกอริทึม 1) ถูกตั้งค่าเป็น 100 ใน [กัว et al2011] . Moreover, M1 และ M2 (น้อยที่สุดจำนวนตัวอย่างในแต่ละใบของทั้งสองต้นไม้ ตามลำดับ) ตั้ง 4 และ 10 ตามลำดับ รับสองหลากหลาย M5P ถดถอยต้นไม้ เพื่อทดสอบประสิทธิภาพของถ่านหิน การออกแบบแตกต่างกัน 100 เพิ่มเติมตั้งค่าคอนฟิกระบบจะจำลองเป็นข้อมูลทดสอบเราทำไม่ประณีตปรับแต่งพารามิเตอร์เนื่องจากงานของเราแตกต่างจากปัญหาการเรียนรู้เครื่องจักรด้วยการจำลองดีต้นทุน ตัวอย่าง การจำลองการออกแบบกำหนดค่าในการข้อมูลจำเพาะการป้อนข้อมูลอ้างอิงมาตรฐานอาจใช้หลายร้อยชั่วโมง

ผลลัพธ์ (ไทย) 2:

ในการทดลองของเราชุดการฝึกอบรมเริ่มต้นของถ่านหินประกอบด้วย
300 การกำหนดค่าการออกแบบที่สร้างแบบสุ่มที่ได้รับการติดฉลากโดย cycleaccurate
จำลองที่จำลองการประมวลผล จำนวนของการแสดง (t ในขั้นตอนวิธี
ที่ 1) ซึ่ง SSL + AL จะดำเนินการกำหนดเป็น 100 ซึ่งหมายความว่า 100 เพิ่ม
การกำหนดค่าการออกแบบที่ไม่มีป้ายกำกับเลือกในกระบวนการ AL จะได้รับการติดฉลากโดย cycleaccurate
จำลองโปรเซสเซอร์ 200 การกำหนดค่าการออกแบบที่ไม่มีป้ายกำกับจะมีข้อความโดย
ต้นไม้ถดถอยในกระบวนการ SSL cotraining ทั้งชุดข้อมูลที่ไม่มีป้ายกำกับ (U
ในอัลกอริทึม 1) ประกอบด้วย 100K สุ่มการกำหนดค่าการออกแบบที่ไม่มีป้ายกำกับ,
ซึ่งจะถูกจัดเตรียมไว้สำหรับทั้ง SSL และ AL กระบวนการ SSL สำหรับขนาดของสระว่ายน้ำที่มี
การกำหนดค่าการออกแบบที่ไม่มีป้ายกำกับ (พีในอัลกอริทึม 1) ถูกตั้งไว้ที่ 100 ใน [Guo et al,
2011] นอกจากนี้ M1 และ M2 (ตัวเลขที่น้อยที่สุดของตัวอย่างในใบสองแต่ละ
ต้นตามลำดับ) มีการกำหนดให้ 4 และ 10 ตามลำดับที่จะได้รับสองหลากหลายถดถอย M5P
ต้นไม้ เพื่อทดสอบประสิทธิภาพการทำงานของถ่านหินเพิ่มเติม 100 การออกแบบที่แตกต่างกัน
การกำหนดค่าจะถูกจำลองเป็น data.We การทดสอบไม่ได้ปรับแต่งอย่างประณีตพารามิเตอร์
เพราะงานของเราค่อนข้างแตกต่างจากปัญหาการเรียนรู้ร่วมกันเนื่องจาก
ค่าใช้จ่ายในการจำลองที่ดี ตัวอย่างเช่นการจำลองการตั้งค่าการออกแบบที่ SPEC
มาตรฐานการป้อนข้อมูลอ้างอิงอาจใช้หลายร้อยชั่วโมง

ผลลัพธ์ (ไทย) 3:

ในการทดลองของเรา เริ่มต้นการฝึกอบรมชุดของถ่านหินประกอบด้วย
300 สุ่มสร้างออกแบบการกำหนดค่าที่ได้รับข้อความจาก cycleaccurate
จำลองในแบบจําลอง จำนวนของการทำซ้ำ ( T ในขั้นตอนวิธี
1 ) ซึ่งใน SSL อัลออกมาตั้งเป็น 100 ซึ่งหมายความว่า 100 พิเศษ
ใกล้เคียงค่าที่เลือกในขั้นตอนการออกแบบ , อัลจะถูกประมวลผลโดย cycleaccurate
จำลอง ; 200 ใกล้เคียงค่าที่จะถูกออกแบบโดย
ถดถอยต้นไม้ใน cotraining SSL กระบวนการ ทั้งชุดข้อมูลใกล้เคียงกัน ( U
ในการ 1 ) ประกอบด้วย 100K ที่สร้างขึ้นแบบสุ่มค่าออกแบบ unlabeled ,
ซึ่งเตรียมไว้สำหรับกระบวนการทั้ง SSL และอัล สำหรับ SSL , ขนาดของสระว่ายน้ำที่มี
รูปแบบการออกแบบใกล้เคียงกัน ( P ในการ 1 ) ตั้งเป็น 100 ใน [ กัว et al .
2011 ] นอกจากนี้ M1 และ M2 ( ตัวเลขที่น้อยที่สุดของตัวอย่างในแต่ละใบ 2
ต้นไม้ ตามลำดับ ) เป็นชุดที่ 4 และ 10 ตามลำดับ เพื่อให้ได้สองหลากหลาย m5p ถดถอย
ต้นไม้ เพื่อทดสอบประสิทธิภาพของถ่านหินเพิ่มเติม 100 การออกแบบที่แตกต่างกัน
การกำหนดค่าความเป็นข้อมูลการทดสอบเราไม่ได้ให้ปรับแต่งพารามิเตอร์
เพราะงานของเราค่อนข้างแตกต่างจากทั่วไป เครื่องมีปัญหาการเรียนเนื่องจาก
ต้นทุนแบบจำลองที่ดี ตัวอย่างเช่น ต้องการออกแบบปรับแต่งในการอ้างอิงข้อมูล spec
มาตรฐานอาจใช้หลายร้อยชั่วโมง