| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-12-17 15:15 デルタ相関を用いたLSTMベースプリフェッチャ ○谷合廣紀・中村朋生・小泉 透・出川祐也・入江英嗣・坂井修一・塩谷亮太（東大）  PRMU2021-53 |
|
| 抄録 | （和） | 現代のプロセッサ（CPU）においてプログラムの実行性能を向上させるための主要なハードウェア技術の一つにプリフェッチがある． プリフェッチは将来のメモリアクセスパターンを予測し，それを先読みすることでキャッシュミスを削減する． このプリフェッチでは，より複雑なメモリアクセスパターンを正しく予測するために古くから様々なルールベースのアルゴリズムが提案されてきた． これに対し近年では，さらなる性能向上のために機械学習を用いたアルゴリズムの模索が始まっている． しかし，これまでに提案されてきた多くの機械学習ベースのアルゴリズムはうまく働いているとは言い難く，単純なルールベースのプリフェッチャと比べても高い性能を実現できていないことが多い． そこで，本論文ではルールベースのプリフェッチャがうまく扱えるようなメモリアクセスパターンを分析し，そこから得たドメイン知識を活用した新しいLSTMモデルやそのための事前学習手法を提案する． |
| （英） | Prefetching is one of the major hardware techniques to improve the execution performance of programs in modern processors (CPUs). Prefetching predicts future memory access patterns and looks ahead to them in order to reduce cache misses. For prefetching, various rule-based algorithms have been proposed in the past to correctly predict more complex memory access patterns. In recent years, researchers have begun to explore algorithms based on machine learning to further improve performance. However, many machine learning-based algorithms proposed so far do not work well and often do not achieve high performance compared to simple rule-based prefetchers. In this paper, we analyze memory access patterns that rule-based prefetchers can handle well, and propose a new LSTM model and a pre-training method for it by utilizing the domain knowledge obtained from the analysis. |
|
| キーワード | （和） | 時系列予測 / プリフェッチ / / / / / / |
| （英） | Time series forecasting / Prefetch / / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 304, PRMU2021-53, pp. 160-164, 2021年12月. | |
| 資料番号 | PRMU2021-53 | |
| 発行日 | 2021-12-09 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2021-53 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2021-12-16 - 2021-12-17 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 時系列・因果推論・異常検知 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2021-12-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | デルタ相関を用いたLSTMベースプリフェッチャ |
| サブタイトル（和） | |
| タイトル（英） | An LSTM-based prefetcher exploiting delta correlation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 時系列予測 / Time series forecasting |
| キーワード(2)（和/英） | プリフェッチ / Prefetch |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 谷合 廣紀 / Hiroki Taniai / タニアイ ヒロキ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中村 朋生 / Tomoki Nakamura / ナカムラ トモキ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 小泉 透 / Toru Koizumi / コイズミ トオル |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 出川 祐也 / Yuya Degawa / デガワ ユウヤ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 入江 英嗣 / Hidetsugu Irie / イリエ ヒデツグ |
| 第5著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 坂井 修一 / Shuichi Sakai / サカイ シュウイチ |
| 第6著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 塩谷 亮太 / Ryota Shioya / シオヤ リョウタ |
| 第7著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Tokyo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-12-17 15:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2021-53 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.304 |
| ページ範囲 | pp.160-164 |
| ページ数 | 5 |
| 発行日 | 2021-12-09 (PRMU) |
[研究会発表申込システムのトップページに戻る]