Ever-increasing design complexity a

Ever-increasing design complexity and advances of technology impose great challenges on the design of
modern microprocessors. One such challenge is to determine promising microprocessor configurations to
meet specific design constraints, which is called Design Space Exploration (DSE). In the computer architecture
community, supervised learning techniques have been applied to DSE to build regression models for
predicting the qualities of design configurations. For supervised learning, however, considerable simulation
costs are required for attaining the labeled design configurations. Given limited resources, it is difficult to
achieve high accuracy. In this article, inspired by recent advances in semisupervised learning and active
learning, we propose the COAL approach which can exploit unlabeled design configurations to significantly
improve the models. Empirical study demonstrates that COAL significantly outperforms a state-of-the-art
DSE technique by reducing mean squared error by 35% to 95%, and thus, promising architectures can be
attained more efficiently.

ผลลัพธ์ (ไทย) 1:

เพิ่มเคยออกแบบซับซ้อนและความก้าวหน้าของเทคโนโลยีกำหนดความท้าทายมากในการออกแบบประมวลทันสมัย ความท้าทายหนึ่งดังกล่าวจะกำหนดโครงแบบไมโครโปรเซสเซอร์สัญญาเพื่อพบข้อจำกัดเฉพาะการออกแบบ ที่เรียกว่าสำรวจพื้นที่ออกแบบ (DSE) ในสถาปัตยกรรมคอมพิวเตอร์ชุมชน แบบมีผู้สอนได้ใช้เทคนิคการ DSE เพื่อสร้างแบบจำลองถดถอยสำหรับการเรียนรู้คาดการณ์ของค่าออกแบบ สำหรับแบบมีผู้สอนการเรียนรู้ แต่ จำลองมากค่าใช้จ่ายจำเป็นสำหรับเรือค่าออกแบบป้าย กำหนดทรัพยากรที่จำกัด ได้ยากให้ความแม่นยำสูงสุด ในบทความนี้ แรงบันดาลใจ โดยความก้าวหน้าล่าสุดใน semisupervised เรียนรู้ และใช้งานอยู่เรียนรู้ เราเสนอวิธีการถ่านหินที่สามารถใช้กำหนดค่าออกแบบเพียงเพื่ออย่างมีนัยสำคัญปรับปรุงรูปแบบ ผลการศึกษาแสดงให้เห็นว่า ถ่านหิน outperforms เป็นรัฐของ-the-art มากDSE เทคนิค โดยการลดข้อผิดพลาดกำลังสองเฉลี่ยจาก 35% ไปยัง 95% และ สถาปัตยกรรมสัญญาสามารถบรรลุได้อย่างมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

ที่เพิ่มมากขึ้นซับซ้อนของการออกแบบและความก้าวหน้าของเทคโนโลยีการกำหนดความท้าทายที่ดีในการออกแบบของ
ไมโครโปรเซสเซอร์ที่ทันสมัย หนึ่งในความท้าทายดังกล่าวเพื่อตรวจสอบการกำหนดค่าของไมโครโปรเซสเซอร์ที่มีแนวโน้มที่จะ
ตอบสนองข้อ จำกัด การออกแบบที่เฉพาะเจาะจงซึ่งเรียกว่าการออกแบบการสำรวจอวกาศ (DSE) ในสถาปัตยกรรมคอมพิวเตอร์
ชุมชนดูแลการเรียนรู้เทคนิคที่ได้รับนำไปใช้กับ DSE การสร้างแบบจำลองการถดถอยสำหรับ
ทำนายคุณภาพของการกำหนดค่าการออกแบบ สำหรับการเรียนรู้ภายใต้การดูแล แต่จำลองมาก
ค่าใช้จ่ายที่จำเป็นสำหรับการบรรลุการกำหนดค่าการออกแบบที่มีข้อความ ให้ทรัพยากรที่มี จำกัด จึงเป็นเรื่องยากที่จะ
บรรลุความแม่นยำสูง ในบทความนี้แรงบันดาลใจจากความก้าวหน้าในการเรียนรู้และใช้งาน semisupervised
การเรียนรู้วิธีการที่เรานำเสนอถ่านหินซึ่งสามารถใช้ประโยชน์จากการกำหนดค่าการออกแบบที่ไม่มีป้ายกำกับอย่างมีนัยสำคัญ
ปรับปรุงรูปแบบ การศึกษาเชิงประจักษ์แสดงให้เห็นว่ามีประสิทธิภาพดีกว่าอย่างมีนัยสำคัญถ่านหินรัฐของศิลปะ
เทคนิค DSE โดยการลดข้อผิดพลาดกำลังสองเฉลี่ย 35% ถึง 95% และทำให้สถาปัตยกรรมสัญญาสามารถ
บรรลุได้อย่างมีประสิทธิภาพมากขึ้น

ผลลัพธ์ (ไทย) 3:

เคยเพิ่มความซับซ้อนในการออกแบบ และความก้าวหน้าของเทคโนโลยีกำหนดความท้าทายมากในการออกแบบ
ไมโครโปรเซสเซอร์ที่ทันสมัย หนึ่งในความท้าทายดังกล่าวคือการตรวจสอบสัญญาไมโครโปรเซสเซอร์แบบ

เจอข้อจำกัดในการออกแบบที่เฉพาะเจาะจง ซึ่งเรียกว่า สำรวจพื้นที่ออกแบบ ( dse ) ในชุมชนสถาปัตยกรรม
คอมพิวเตอร์มีการเรียนรู้เทคนิค ได้ใช้ dse ที่จะสร้างโมเดลการถดถอยสำหรับ
ทำนายคุณภาพของรูปแบบการออกแบบ การเรียนรู้ , ดูแลด้านการจำลอง
มากที่จำเป็นสำหรับการบรรลุข้อความการออกแบบการตั้งค่า ระบุทรัพยากรที่ จำกัด มันเป็นเรื่องยากที่จะ
บรรลุความถูกต้องสูง ในบทความนี้แรงบันดาลใจจากความก้าวหน้าในการเรียนรู้และ semisupervised
เรียนเรานำเสนอวิธีการที่สามารถใช้ประโยชน์จากถ่านหินแบบออกแบบให้ใกล้เคียงอย่าง
ปรับปรุงรุ่น การศึกษาเชิงประจักษ์แสดงให้เห็นว่าถ่านหินอย่างโปรยเทคนิค dse รัฐ - of - the - art
โดยการลดข้อผิดพลาดหมายถึงยกกำลังสอง โดย 35% ถึง 95 % และ จึง สัญญา สถาปัตยกรรมสามารถ
บรรลุได้อย่างมีประสิทธิภาพ