專利名稱：：一種基于復(fù)雜度的嵌入式軟件功耗bp神經(jīng)網(wǎng)絡(luò)建模方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及嵌入式軟件功耗優(yōu)化
技術(shù)領(lǐng)域：
，尤其是涉及一種基于復(fù)雜度的嵌入式軟件功耗BP祌經(jīng)網(wǎng)絡(luò)建模方法。
背景技術(shù)：
：目前在國家提倡"節(jié)能減排"的背景下，嵌入式系統(tǒng)的功耗是一個(gè)日益引起人們關(guān)注的熱點(diǎn)問題，己受到各級(jí)政府部門和業(yè)內(nèi)軟/硬件開發(fā)商的高度重視。嵌入式計(jì)算機(jī)系統(tǒng)(簡(jiǎn)稱嵌入式系統(tǒng))是典型的軟件驅(qū)動(dòng)執(zhí)行的系統(tǒng)，從其組成分析，嵌入式軟件的運(yùn)行驅(qū)動(dòng)了低層微處理器、總線、Cache、存儲(chǔ)器和I/0接口等硬件的電路活動(dòng)，導(dǎo)致了系統(tǒng)功耗的產(chǎn)生，因此，嵌入式軟件是產(chǎn)生系統(tǒng)功耗的"主動(dòng)"因素和"活躍"因素，這也是嵌入式軟件功耗的本質(zhì)含義。嵌入式軟件的功耗優(yōu)化設(shè)計(jì)是研究在一定性能(如速度、吞吐量、實(shí)時(shí)性、可靠性、防危性、可信性、成本等)約束下嵌入式軟件的功耗優(yōu)化(功耗降低或功耗最小化)問題，屬于靜態(tài)功耗優(yōu)化技術(shù)，包括功耗仿真、功耗建模、功耗估計(jì)、功耗降低、功耗評(píng)價(jià)以及相應(yīng)支持工具開發(fā)等內(nèi)容，是軟件運(yùn)行時(shí)開展動(dòng)態(tài)功耗管理(DPM:DynamicPowerManagement)和RTOS功耗相關(guān)任務(wù)調(diào)度(Power-awareTaskScheduling)的基礎(chǔ)。其巾，功耗建模主要是從軟件本身影響其功耗的相關(guān)因素(即軟件設(shè)計(jì)特征)角度，深入分析了軟件功耗的構(gòu)成及形成機(jī)理，建立功耗與關(guān)聯(lián)因素的關(guān)系模型。嵌入式軟件功耗模型通常可以分為以下四類1)基于硬i牛性能i十?dāng)?shù)器的功耗模型(Hardwareperformancecounter-basedpowermodel):由于多數(shù)現(xiàn)代微處理器中都嵌入了可編程的計(jì)數(shù)器，通過監(jiān)控系統(tǒng)發(fā)生的事件，能夠用于測(cè)量微處理器的性能，因而進(jìn)一步可用于軟件的功耗分析與優(yōu)化。2)指令級(jí)的功耗模型(Instruction-levelpowermodel):又稱為低層模型或微模型(Micro-model),通過對(duì)微處理器的每條匯編指令以及指令對(duì)(Instructionpair)進(jìn)行功耗測(cè)量，實(shí)現(xiàn)匯編語言程序級(jí)的功耗分析與估計(jì)，同時(shí)，通過編譯時(shí)產(chǎn)生的符號(hào)表信息也能夠部分實(shí)現(xiàn)對(duì)高級(jí)語言程序的功耗分析與優(yōu)化。3)基于特征的宏模型(Characterization-basedmacro-model):又稱為高層模型，針對(duì)高級(jí)語言程序(如C、0++和^^等)的函數(shù)或子程序，采用回歸擬合方法建立功耗與軟件的某些相關(guān)高層度量特征(如算法復(fù)雜度或基于路徑的基本塊關(guān)聯(lián)信息(Trace-basedbasic-blockcorrelationinformation))之間的關(guān)聯(lián)模型，能夠快速地對(duì)軟件的功耗進(jìn)行分析與估計(jì)。這是當(dāng)前軟件功耗建模的一個(gè)主要方向，一些研究者根據(jù)具體的研究問題提出了明確的功耗函數(shù)關(guān)系，如二元線性函數(shù)關(guān)系。4)基于微結(jié)構(gòu)級(jí)仿真的功耗模型(Architecturallevelsimulation-basedpowermodel):針對(duì)特定結(jié)構(gòu)的微處理器，采用周期精確的全功能微結(jié)構(gòu)級(jí)功耗仿真器(Cycle-accuratefUll-fUnctionpowersimulator),如Wattch和SoftWatt，對(duì)軟件的功耗進(jìn)行測(cè)量和估計(jì)，從而為軟件的功耗分析與優(yōu)化提供基礎(chǔ)數(shù)據(jù)。目前，針對(duì)嵌入式軟件的功耗分析與建模技術(shù)，為了提高功耗估計(jì)的速度，宏模型一般使用簡(jiǎn)單的二元線性函數(shù)。從理論上看，假設(shè)軟件功耗與軟件高層度量特征之間的關(guān)聯(lián)關(guān)系是線性回歸函數(shù)關(guān)系，缺乏充分的依據(jù)；從實(shí)踐上看，線性函數(shù)擬合功耗函數(shù)關(guān)系，雖然模型簡(jiǎn)單，估計(jì)速度較快，但功耗估計(jì)值誤差也較大(一般在20%以內(nèi))，許多情況下不能滿足實(shí)際工程需要。兩方面綜合分析，嵌入式軟件功耗函數(shù)更可能是一個(gè)非線性函數(shù)。
發(fā)明內(nèi)容本發(fā)明的目的在于提供了一種基于算法復(fù)雜度的嵌入式軟件功耗BP神經(jīng)網(wǎng)絡(luò)建模方法。本發(fā)明解決其技術(shù)難題所采用的技術(shù)方案的步驟如下1)度量算法復(fù)雜度的特征量嵌入式軟件功耗在算法層次上與算法復(fù)雜度密切相關(guān)，本發(fā)明抽取出算法復(fù)雜度的下列三個(gè)特征量進(jìn)行度量*時(shí)間復(fù)雜度Os度量選擇算法的平均時(shí)間復(fù)雜度作為時(shí)間復(fù)雜度的計(jì)算依據(jù)。*空間復(fù)雜度&度量選擇算法在其運(yùn)行期間輔助變量所申請(qǐng)空間總量作為空間復(fù)雜度的計(jì)算依據(jù)。*輸入規(guī)模&度量輸入規(guī)模的度量方法一般受算法的操作細(xì)節(jié)影響，不同的具體算法有不同的度量方法，如對(duì)于一個(gè)英文字符拼寫檢査算法，統(tǒng)計(jì)輸入中詞或者字符的數(shù)量作為輸入規(guī)模的度量；對(duì)于排序、査找列表的最小元素等與列表有關(guān)的算法，列表的長(zhǎng)度是該算法的輸入規(guī)模；而一個(gè)"次多項(xiàng)式p^=^x"+…+"。求值的問題，輸入規(guī)模是多項(xiàng)式的次數(shù)，或者是多項(xiàng)式系數(shù)的個(gè)數(shù)。2)建立基于算法復(fù)雜度的軟件功耗模型通過如下公式得到嵌入式軟件的功耗<formula>formulaseeoriginaldocumentpage5</formula>其中」&表示軟件的功耗，i^表示軟件的平均功率，說明書第3/7頁rs表示軟件的運(yùn)行時(shí)間，Cs表示功耗相關(guān)的算法復(fù)雜度的特征量，/表示軟件功率與算法復(fù)雜度的特征量的關(guān)聯(lián)函數(shù)(簡(jiǎn)稱功耗函數(shù))。由于A=/(CUs,/,)，為確定功耗函數(shù)/,本發(fā)明采用BP(Back-Propagation反向傳播)祌經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱BP網(wǎng)絡(luò))擬合，實(shí)現(xiàn)功耗函數(shù)逼近。3)BP網(wǎng)絡(luò)的功耗函數(shù)逼近BP網(wǎng)絡(luò)是將W-H學(xué)習(xí)規(guī)則一般化，對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)。本發(fā)明采用具有"個(gè)隱層節(jié)點(diǎn)的單隱層三層BP網(wǎng)絡(luò)，使用輸入矢量O,,Ss，/,和相應(yīng)的輸出矢量^樣本集訓(xùn)練BP網(wǎng)絡(luò)，逼近功耗函數(shù)/，包括以下步驟*隱層數(shù)的確定使用單隱層的BP網(wǎng)絡(luò)。*節(jié)點(diǎn)數(shù)的確定根據(jù)如下經(jīng)驗(yàn)公式選擇隱層節(jié)點(diǎn)數(shù)n;，q=V+附+a，其中，"=3為輸入節(jié)點(diǎn)個(gè)數(shù)，w-l為輸出節(jié)點(diǎn)個(gè)數(shù)，a為l到10之間的常數(shù)，因此，取值范圍為312。*各層函數(shù)的確定BP網(wǎng)絡(luò)訓(xùn)練中隱層傳遞函數(shù)使用tansig函數(shù)，輸出層傳遞函數(shù)使用purelin函數(shù)。*BP網(wǎng)絡(luò)的訓(xùn)練與構(gòu)造通過功耗仿真實(shí)驗(yàn)平臺(tái)HMSim獲得軟件功耗實(shí)驗(yàn)數(shù)據(jù)，用于訓(xùn)練、構(gòu)造BP網(wǎng)絡(luò)，確定各層的權(quán)值和閾值，形成一個(gè)訓(xùn)練好的BP網(wǎng)絡(luò)模型，從而逼近功耗函數(shù)/，使該BP網(wǎng)絡(luò)能夠在一定輸入規(guī)模下產(chǎn)生相應(yīng)期望戶5的輸出。本發(fā)明與
背景技術(shù)：
相比，具有的有益效果是1)精確性本發(fā)明建立的基于復(fù)雜度的軟件功耗BP網(wǎng)絡(luò)宏模型，相比與其他人建立的線性函數(shù)功耗宏模型，功耗預(yù)測(cè)的精度得到了較大提升，預(yù)測(cè)誤差在10%以內(nèi)。2)實(shí)用性可用于快速預(yù)測(cè)(或估算)軟件算法在一定輸入規(guī)模情況下的功耗值，為開展相應(yīng)的功耗優(yōu)化研究和開發(fā)工作打下堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。圖l是本發(fā)明整個(gè)系統(tǒng)工作的流程圖。圖2是本發(fā)明BP網(wǎng)絡(luò)結(jié)構(gòu)圖。具體實(shí)施例方式下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明作進(jìn)一步的說明。61)度量算法復(fù)雜度的特征量嵌入式軟件功耗在算法層次上與算法復(fù)雜度密切相關(guān)，本發(fā)明抽取出算法復(fù)雜度的下列三個(gè)特征量進(jìn)行度量*時(shí)間復(fù)雜度Os度量選擇算法的平均時(shí)間復(fù)雜度作為時(shí)間復(fù)雜度的計(jì)算依據(jù)，并將算法的平均時(shí)間復(fù)雜度Of>7)、CY7og^、CYwZog"入CY""和6Y""依次映射為1、2、3、4和5。*空間復(fù)雜度&度量選擇算法在其運(yùn)行期間輔助變量所申請(qǐng)空間總量作為空間復(fù)雜度的計(jì)算依據(jù)。如對(duì)于一個(gè)結(jié)構(gòu)變量，可將其每個(gè)成員所占用的空間累積起來，即可得到該變量所需要的內(nèi)存。類似地，可得到一個(gè)數(shù)組變量所需要的空間，方法是用數(shù)組的大小乘以單個(gè)數(shù)組元素所需要的空間，如一個(gè)intA[rows][cols]的數(shù)組，如果使用MicrosoftVisual0++編譯器，int數(shù)據(jù)類型占用字節(jié)數(shù)為4，則數(shù)組占用了4XrowsXcols字節(jié)；對(duì)于算法中輔助變量未使用列表的情況下，其空間度量^J1個(gè)int單位。*輸入規(guī)模/s度量輸入規(guī)模的度量方法一般受算法的操作細(xì)節(jié)影響，不同的具體算法有不同的度量方法，如對(duì)于一個(gè)英文字符拼寫檢查算法，統(tǒng)計(jì)輸入中詞或者字符的數(shù)量作為輸入規(guī)模的度量；對(duì)于排序、査找列表的最小元素等與列表有關(guān)的算法，列表的長(zhǎng)度是該算法的輸入規(guī)模；而一個(gè)n次多項(xiàng)式p^="r"+…+w求值的問題，輸入規(guī)模是多項(xiàng)式的次數(shù)，或者是多項(xiàng)式系數(shù)的個(gè)數(shù)。根據(jù)上面描述的度量規(guī)則，實(shí)例訓(xùn)練樣本算法集(具體實(shí)現(xiàn)為訓(xùn)練樣本函數(shù)列表)的時(shí)間復(fù)雜度、空間復(fù)雜度和輸入規(guī)模度量結(jié)果如表l所示。表l訓(xùn)練樣本函數(shù)列表函數(shù)名稱功能描述時(shí)間復(fù)雜度空間復(fù)雜度輸入規(guī)模生成一個(gè)隨機(jī)數(shù)組兩層循環(huán)算術(shù)運(yùn)算1冒泡排序算法爭(zhēng),選擇排序算法兩層循環(huán)算術(shù)運(yùn)算1生產(chǎn)一個(gè)隨機(jī)的二維數(shù)組兩層循環(huán)算術(shù)運(yùn)算Of",1兩個(gè)矩陣相乘"M7M朋及氺冊(cè)M朋i在有序數(shù)組中插入整數(shù)M4X—5TZ五計(jì)算整數(shù)數(shù)組校驗(yàn)和M4X—S7ZE犯￡計(jì)算求出素?cái)?shù)Of",S/ZE其中，M4Z一5/ZE表示一維數(shù)組的長(zhǎng)度，M7MSE/表示二維數(shù)組每一維的長(zhǎng)度。2)建立基于算法復(fù)雜度的軟件功耗模型嵌入式軟件功耗的一般模型可表示為￡s=Axrs=/(cs)xrs其中，^y表示軟件的功耗，尸s表示軟件的平均功率(可以是通過一組基準(zhǔn)程序測(cè)試獲得的平均值，也可以通過功耗-特征關(guān)聯(lián)模型獲得)，7^表示軟件的運(yùn)行時(shí)間(算法越復(fù)雜，運(yùn)行時(shí)間越長(zhǎng))，Cs表示功耗的某些軟/硬件相關(guān)特征度量，/表示軟件功率與軟/硬件相關(guān)特征度量的關(guān)聯(lián)函數(shù)(簡(jiǎn)稱功耗函數(shù))。從算法層次上考慮Ps的軟件關(guān)聯(lián)特征，進(jìn)一步得到A=/(c》=/(cs，ss,/s)其中，Os為算法的時(shí)間復(fù)雜度度量，&為算法的空間復(fù)雜度度量，^為算法輸入規(guī)模的度量。為確定功耗函數(shù)/,建立更精確的算法級(jí)功耗模型，本發(fā)明采用BP網(wǎng)絡(luò)進(jìn)行擬合，實(shí)現(xiàn)功耗函數(shù)逼近。3)BP網(wǎng)絡(luò)的功耗函數(shù)逼近本發(fā)明采用具有〃個(gè)隱層節(jié)點(diǎn)的單隱層三層BP網(wǎng)絡(luò)(其結(jié)構(gòu)如圖2所示)，使用輸入矢量A，Ss，/,和相應(yīng)的輸出矢量&樣本集訓(xùn)練BP網(wǎng)絡(luò)，逼近功耗函數(shù)/。由于BP網(wǎng)絡(luò)具有3個(gè)輸入矢量6),，&.和/5，因而BP網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)數(shù)為3個(gè)；由于BP網(wǎng)絡(luò)具有1個(gè)輸出矢量&，因而BP網(wǎng)絡(luò)輸出層的節(jié)點(diǎn)數(shù)為1個(gè)。因此，隱層節(jié)點(diǎn)數(shù)W;根據(jù)如下公式計(jì)算獲得其中，"=3為輸入節(jié)點(diǎn)個(gè)數(shù)，附=/為輸出節(jié)點(diǎn)個(gè)數(shù)，fl為l到10之間的常數(shù)，因此，取值范圍為312。根據(jù)樣本集訓(xùn)練結(jié)果誤差分析，=//時(shí)誤差最小。BP網(wǎng)絡(luò)訓(xùn)練中隱層傳遞函數(shù)使用tansig函數(shù)，輸出層傳遞函數(shù)使用purelin函數(shù)。表l是BP網(wǎng)絡(luò)的輸入樣本，每一個(gè)樣本在不同輸入規(guī)模下運(yùn)行產(chǎn)生的功耗數(shù)據(jù)由功耗仿真試驗(yàn)平臺(tái)HMSim獲得。設(shè)置網(wǎng)絡(luò)訓(xùn)練誤差為MSE(Meansquareerror均方差)，其期望值為l(T7，利用這些樣本對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，構(gòu)造BP網(wǎng)絡(luò)，得到的BP網(wǎng)絡(luò)權(quán)值和閾值如下0.61570.5905—8.05002.72500.810710.611439.1033一10.2720一l1.21090.0242—0.548316.618114.59787.115939,5886—0.946816.02407.525711.6679—1.3185—5.41415.70421.39212.7347—0.0200—22.343421.60257.8046—5.6363-42.74244.42076.46700.792411.楊960.2471—28.23315.84741.9735—23,551913.92294.6436—0.25000.78844.9896_60.2610一22.24695.91322.9127_19.2797-7.42430.2610—4.6990—15.17846.11303.7802g=[-1.5508]其中，W;為輸入層到隱層的權(quán)值，6;為隱層的閾值，W為隱層到輸出層的權(quán)值，^為輸出層的閾值。在確定各層的權(quán)值和閾值后，形成一個(gè)訓(xùn)練好的BP網(wǎng)絡(luò)模型，從而逼近功耗函數(shù)/，使該BP網(wǎng)絡(luò)能夠在一定輸入規(guī)模下產(chǎn)生相應(yīng)期望i^的輸出，即軟件功率/V最后，確定估算算法集，以求二維整數(shù)數(shù)組中的最大值函數(shù)Max為例，利用BP網(wǎng)絡(luò)可預(yù)測(cè)該函數(shù)的功率尺s，然后由實(shí)際運(yùn)行時(shí)間Ts，根據(jù)公式￡5-^xrs，可計(jì)算出軟件功耗五s，并與其實(shí)際測(cè)試的功耗值進(jìn)行比較。其中，Max函數(shù)的算法特征量度量值、預(yù)測(cè)功耗值和通過功耗仿真試驗(yàn)平臺(tái)HMSim獲得的實(shí)際功耗值如表2所示，可以看出，預(yù)測(cè)功耗值和實(shí)際功耗值的誤差范圍為3%~10%。表2測(cè)試函數(shù)復(fù)雜度度量和預(yù)測(cè)結(jié)果<table>tableseeoriginaldocumentpage9</column></row><table><table>tableseeoriginaldocumentpage10</column></row><table>權(quán)利要求1、一種基于復(fù)雜度的嵌入式軟件功耗BP神經(jīng)網(wǎng)絡(luò)建模方法，其特征在于該方法的步驟如下1)度量算法復(fù)雜度的特征量嵌入式軟件功耗在算法層次上與算法復(fù)雜度密切相關(guān)，本發(fā)明抽取出算法復(fù)雜度的下列三個(gè)特征量進(jìn)行度量●時(shí)間復(fù)雜度OS度量選擇算法的平均時(shí)間復(fù)雜度作為時(shí)間復(fù)雜度的計(jì)算依據(jù)；●空間復(fù)雜度SS度量選擇算法在其運(yùn)行期間輔助變量所申請(qǐng)空間總量作為空間復(fù)雜度的計(jì)算依據(jù)；●輸入規(guī)模IS度量輸入規(guī)模的度量方法一般受算法的操作細(xì)節(jié)影響，不同的具體算法有不同的度量方法，如對(duì)于一個(gè)英文字符拼寫檢查算法，統(tǒng)計(jì)輸入中詞或者字符的數(shù)量作為輸入規(guī)模的度量；對(duì)于排序、查找列表的最小元素等與列表有關(guān)的算法，列表的長(zhǎng)度是該算法的輸入規(guī)模；而一個(gè)n次多項(xiàng)式p(x)＝anxn+…+a0求值的問題，輸入規(guī)模是多項(xiàng)式的次數(shù)，或者是多項(xiàng)式系數(shù)的個(gè)數(shù)；2)建立基于算法復(fù)雜度的軟件功耗模型通過如下公式得到嵌入式軟件的功耗ES＝PS×TS＝f(CS)×TS＝f(Os，Ss，Is)×TS其中ES表示軟件的功耗，PS表示軟件的平均功率，TS表示軟件的運(yùn)行時(shí)間，CS表示功耗相關(guān)的算法復(fù)雜度的特征量，f表示軟件功率與算法復(fù)雜度的特征量的關(guān)聯(lián)函數(shù)(簡(jiǎn)稱功耗函數(shù))，由于PS＝f(Os，Ss，Is)，為確定功耗函數(shù)f，本發(fā)明采用BP(Back-Propagation反向傳播)神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱BP網(wǎng)絡(luò))進(jìn)行擬合，實(shí)現(xiàn)功耗函數(shù)逼近；3)BP網(wǎng)絡(luò)的功耗函數(shù)逼近BP網(wǎng)絡(luò)是將W-H學(xué)習(xí)規(guī)則一般化，對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)；本發(fā)明采用具有n個(gè)隱層節(jié)點(diǎn)的單隱層三層BP網(wǎng)絡(luò)，使用輸入矢量Os，Ss，Is和相應(yīng)的輸出矢量PS樣本集訓(xùn)練BP網(wǎng)絡(luò)，逼近功耗函數(shù)f，包括以下步驟●隱層數(shù)的確定使用單隱層的BP網(wǎng)絡(luò)；●節(jié)點(diǎn)數(shù)的確定根據(jù)如下經(jīng)驗(yàn)公式選擇隱層節(jié)點(diǎn)數(shù)n1，<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>n</mi><mn>1</mn></msub><mo>=</mo><msqrt><mi>n</mi><mo>+</mo><mi>m</mi></msqrt><mo>+</mo><mi>a</mi><mo>,</mo></mrow>]]></math></maths>其中，n＝3為輸入節(jié)點(diǎn)個(gè)數(shù)，m＝1為輸出節(jié)點(diǎn)個(gè)數(shù)，a為1到10之間的常數(shù)，因此，n1取值范圍為3～12；●各層函數(shù)的確定BP網(wǎng)絡(luò)訓(xùn)練中隱層傳遞函數(shù)使用tansig函數(shù)，輸出層傳遞函數(shù)使用purelin函數(shù)；●BP網(wǎng)絡(luò)的訓(xùn)練與構(gòu)造通過功耗仿真實(shí)驗(yàn)平臺(tái)HMSim獲得軟件功耗實(shí)驗(yàn)數(shù)據(jù)，用于訓(xùn)練、構(gòu)造BP網(wǎng)絡(luò)，確定各層的權(quán)值和閾值，形成一個(gè)訓(xùn)練好的BP網(wǎng)絡(luò)模型，從而逼近功耗函數(shù)f，使該BP網(wǎng)絡(luò)能夠在一定輸入規(guī)模下產(chǎn)生相應(yīng)期望PS的輸出。全文摘要本發(fā)明公布了一種基于復(fù)雜度的軟件功耗BP神經(jīng)網(wǎng)絡(luò)建模方法。提供了一種新的方法和技術(shù)用于準(zhǔn)確、快速地預(yù)測(cè)軟件功耗，為相應(yīng)的功耗優(yōu)化研究和開發(fā)工作提供數(shù)據(jù)基礎(chǔ)。本發(fā)明從算法級(jí)分析軟件功耗與軟件特征的關(guān)聯(lián)關(guān)系，對(duì)嵌入式軟件的時(shí)間復(fù)雜度、空間復(fù)雜度和輸入規(guī)模三個(gè)特征進(jìn)行了度量，建立一種基于算法復(fù)雜度的嵌入式軟件功耗宏模型。然后，設(shè)計(jì)、訓(xùn)練一種具有n個(gè)隱層節(jié)點(diǎn)的單隱層三層BP神經(jīng)網(wǎng)絡(luò)，用于實(shí)現(xiàn)功耗函數(shù)逼近。本發(fā)明建立的基于復(fù)雜度的軟件功耗BP神經(jīng)網(wǎng)絡(luò)宏模型，相比與其他人建立的線性函數(shù)功耗宏模型，功耗預(yù)測(cè)的精度和實(shí)用性得到了較大提升，預(yù)測(cè)誤差在10％以內(nèi)。附圖是本發(fā)明整個(gè)系統(tǒng)工作的流程圖。文檔編號(hào)G06N3/02GK101609411SQ20091006011公開日2009年12月23日申請(qǐng)日期2009年7月27日優(yōu)先權(quán)日2009年7月27日發(fā)明者磊任,周雪梅,廖海艷,曾蜀芳,建朱,冉李,奇李,艷沈,剛羅,兵郭申請(qǐng)人:四川大學(xué)