[发明专利]计算机系统预测机器学习模型

权利要求书

1.一种计算机实施的方法，其特征在于，包括：

接收计算机程序的在先程序计数器地址和相应增量值的序列，其中，每个增量值定义相应的第一存储器地址和相应的第二存储器地址之间的差，其中，所述第一存储器地址是当执行被相应的所述程序计数器地址指向的指令时而被访问的存储器地址，并且其中，所述第二存储器地址是在访问所述第一存储器地址之前而被访问的存储器地址；

基于程序计数器地址及其相应增量值的所述序列来生成输入表示；

将所述输入表示作为输入提供给循环神经网络；并且

从所述循环神经网络接收定义未来增量值的概率分布的输出，其中，所述分布中的每个概率表示所述计算机程序的未来指令的执行将导致从未来存储器地址提取数据的可能性，所述未来存储器地址等于(i)当执行被所述序列中最近的程序计数器地址指向的指令时而被访问的相应的第一存储器地址，加上(ii)对应于所述概率的所述未来增量值。

2.根据权利要求1所述的方法，其特征在于，进一步包括：确定所述分布中的一个或多个概率满足阈值标准。

3.根据权利要求2所述的方法，其特征在于，进一步包括：

响应于确定所述分布中的所述一个或多个概率满足所述阈值标准，从与满足所述标准的所述一个或多个概率相关联的一个或多个所述未来存储器地址提取数据；并且

将所述数据存储在本地缓存中。

4.根据权利要求2所述的方法，其特征在于，进一步包括：

自动将一个或多个提取指令插入到所述计算机程序中，其中，所述一个或多个提取指令的执行导致从与满足所述标准的所述一个或多个概率相关联的一个或多个所述未来存储器地址提取数据，并且其中，所述一个或多个提取指令在所述计算机程序的所述未来指令之前被插入到所述计算机程序中。

5.根据权利要求1所述的方法，其特征在于，进一步包括：

将作为执行所述计算机程序的未来指令的结果而从中提取数据的存储器地址与未来增量值的所述概率分布进行比较；并且

基于所述比较来更新所述循环神经网络的参数。

6.根据权利要求1所述的方法，其特征在于，在微处理器上执行所述操作，其中，在所述微处理器上实施所述循环神经网络，并且其中，所述方法还包括：

从与所述分布中满足阈值标准的一个或多个概率相关联的一个或多个未来存储器地址提取数据；并且

将所述数据存储在所述微处理器上的本地缓存中。

7.根据权利要求1所述的方法，其特征在于，基于程序计数器地址及其相应增量值的所述序列来生成输入表示包括：

将程序计数器地址及其相应增量值的所述序列映射到高维嵌入空间中的数字嵌入序列。

8.根据权利要求7所述的方法，其特征在于，将程序计数器地址及其相应增量值的所述序列映射到高维嵌入空间中的数字嵌入包括：

使用预先指定的词汇表将所述程序计数器地址和增量值映射到索引；并且

使用所述索引从查找表检索相应的嵌入。

9.根据权利要求7所述的方法，其特征在于，进一步包括：

将数字嵌入的输入序列划分成多个族群，其中，每个族群具有质心点；

相对于其相应族群的质心点来归一化每个数字嵌入；并且

将归一化的所述数字嵌入作为输入提供给所述循环神经网络。

10.根据权利要求1所述的方法，其特征在于，进一步包括：

确定应该以与所述计算机程序的相应未来指令出现的顺序不同的顺序来访问与满足阈值标准的概率相关联的存储器地址；并且

改变所述计算机程序的所述相应未来指令的所述顺序。