[发明专利]一种基于长短时记忆神经网络的三维多核芯片温度预测方法及系统

权利要求书

1.一种基于长短时记忆神经网络的三维多核芯片温度预测方法，其特征在于，具体包括以下步骤：

步骤1、由至少一个温度传感器组成温度测量组进行温度测量；

步骤2、构建用于预测三维多核芯片温度的在线温度预测与热点追踪模型，并采用实验与试错的方法确定所述在线温度预测与热点追踪模型的关键参数；

训练过程中采用均方误差作为损失函数，并采用以下步骤进行优化，计算出最终的网络权重：

步骤2.1.1、设置算法变量；所述算法变量包括：步长因子、一阶矩衰减系数、二阶矩衰减系数、网络权值为下的随机目标函数；所述随机目标函数由所述损失函数获取；

步骤2.1.2、初始化相关变量；所述相关变量包括：网络权重向量、一阶矩向量、二阶矩向量、当前更新的步数；

步骤2.1.3、通过迭代的方式更新网络权重向量，直到网络权重向量收敛时，确定最终的网络权重；其中，通过迭代的方式更新网络权重向量的过程如下：

步骤2.1.3.1、更新当前更新的步数t，即令：

；

步骤2.1.3.2、计算梯度，即：

；

式中，为目标函数在t时间对网络权值为所求的梯度；

步骤2.1.3.3、计算梯度的一阶矩，即：

；

式中，表示t时间时一阶矩向量；

步骤2.1.3.4、计算梯度的二阶矩，即：

；

式中，表示t时间时二阶矩向量；

步骤2.1.3.5、修正一阶矩，即：

；

式中，表示的偏执矫正；

步骤2.1.3.6、修正二阶矩，即：

；

式中，表示的偏执矫正；

步骤2.1.3.7、更新网络权值，即：

；

式中，表示t-1时刻的网络权值，表示步长因子；表示预设参数；

步骤3、所述在线温度预测与热点追踪模型接收所述温度测量组测量到的温度数据，进行温度值的分析预测；

步骤4、根据预测值判断当前核节点的温度，并在温度过高时进行温度调控；

其中，所述在线温度预测与热点追踪模型包括长短时记忆神经网络层与和全连接层，所述长短时记忆神经网络层用于接收温度测量组测量到的温度数据，并与全连接层相连；

所述在线温度预测与热点追踪模型的前端连接所述温度测量组中的温度传感器；

所述在线温度预测与热点追踪模型后端连接主动动态温度管理模型；

通过接收温度传感器中的温度数据预测未来时刻的整体温度分布情况，了解过热区域以及未来可能出现的热点的位置，并将结果输入主动动态温度管理模型进行温度调控。

2.根据权利要求1所述的一种基于长短时记忆神经网络的三维多核芯片温度预测方法，其特征在于，为了提高步骤2中构建的在线温度预测与热点追踪模型的使用性能，在构建好在线温度预测与热点追踪模型后，对其进行性能训练；

通过步骤1中的温度测量组收集多核温度信息，建立数据集，随后进行数据集处理，将所述数据集划分为训练集与测试集，通过在线温度预测与热点追踪模型的训练与参数选择，完成在线温度预测与热点追踪模型的确定。

3.根据权利要求2所述的一种基于长短时记忆神经网络的三维多核芯片温度预测方法，其特征在于，由于从多次测试中得到的数据集是每一时刻所有网络节点的温度信息的集合，其组成是预设时刻的整体片上温度分布，不适合作为温度预测网络训练输入；因此，对采集到的数据进行数据处理；

在数据处理步骤中将温度测量组测量到的数据提取出来，存入矩阵中，并将数据集转变成每一个点温度变化的集合，所述温度变化的集合的组成是其中一个核的整个测试过程中的温度变化；

同理得到的各个核节点温度变化数据集，随后对温度变化数据集进行训练集与测试集的划分，并通过数据滑窗的方法来获取真正能直接放入网络中的数据，随后进行训练集与测试集的划分。