面向更精确误差预测器设计的特征选择空间扩展
机器学习
2019-01-07 v1 机器学习
摘要
近似计算正被视为克服计算密集型应用中能耗与性能挑战的一种有前景的设计范式。在精度可配置的情况下，质量水平与能效或延迟之间也可进行权衡。要使用该技术，需确保令人满意的用户体验。这要求采用误差预测器来检测不可接受的近似误差。本工作中，我们提出一种调度感知的特征选择方法，其利用硬件加速器的中间结果来提升预测精度。此外，它根据系统的能耗与延迟来配置误差预测器。该方法享有预测时间的灵活性以获得更高精度。在多种基准测试上的结果表明，与仅使用加速器输入进行预测的已有工作相比，预测精度有显著提升。
引用
@article{arxiv.1901.00952,
title = {Space Expansion of Feature Selection for Designing more Accurate Error Predictors},
author = {Shayan Tabatabaei Nikkhah and Mehdi Kamal and Ali Afzali-Kusha and Massoud Pedram},
journal= {arXiv preprint arXiv:1901.00952},
year = {2019}
}