一种基于改进神经网络的嵌入式软件能耗测试方法
【专利摘要】本发明涉及一种基于改进神经网络的嵌入式软件能耗测试方法，属于嵌入式【技术领域】。本发明首先分析引入的嵌入式软件，得到节点关系图；接着根据节点关系图，分析每个节点的聚类关系、出度、入度，根据每个节点的聚类关系得到聚类关系平均值；然后将输入节点的聚类关系、出度、入度值，每个输入节点的聚类关系得到的聚类关系平均值代入改进的神经网络模型；再根据每个输出节点的输出值与设定的每个输出节点的训练目标值，计算每个节点输出值的误差；最后在Linux系统中，将优化后的节点个数对应的嵌入式软件，采用功耗仿真器进行能耗测试，得到优化后的能耗值。本发明改善了代码复用率，实现了能耗优化。
【专利说明】一种基于改进神经网络的嵌入式软件能耗测试方法
【技术领域】
[0001] 本发明涉及一种基于改进神经网络的嵌入式软件能耗测试方法，属于嵌入式技术 领域。
【背景技术】
[0002] 嵌入式软件能耗是当前嵌入式领域研究的热点问题之一，为了优化软件能耗，已 经出现了很多测试和优化的方法。通常基于指令层分析或者算法和软件体系结构层中进行 能耗分析。
[0003] 然而通过神经网络训练进行的能耗测试，人们只是用传统的神经网络模型训练软 件中的特征量，但这些特征量不能很准确的分析软件能耗，只是从某一方面进行了嵌入式 软件能耗的分析与研究。一种改进神经网络的嵌入式软件能耗测试方法，分析嵌入式软件 程序中的节点关系图，通过改进神经网络模型，优化节点的聚类关系、出入度，改善代码的 复用率，实现嵌入式软件能耗优化。
【发明内容】
[0004] 本发明提供了一种基于改进神经网络的嵌入式软件能耗测试方法及其安装方法， 通过分析嵌入式软件程序中的节点关系图，得出各个节点的聚类关系、聚类关系平均值、出 度、入度值，改进神经网络模型且在MATLAB中进行数据训练，优化节点的聚类关系、聚类关 系平均值、出入度，改善代码复用率，实现能耗优化。
[0005] 本发明的技术方案是：一种基于改进神经网络的嵌入式软件能耗测试方法，首先 分析引入的嵌入式软件，得到节点关系图；接着根据节点关系图，分析每个节点的聚类关 系、出度、入度，根据每个节点的聚类关系得到聚类关系平均值；然后将输入节点的聚类关 系、出度、入度值，每个输入节点的聚类关系得到的聚类关系平均值代入改进的神经网络模 型；再根据每个输出节点的输出值与设定的每个输出节点的训练目标值，计算每个节点输 出值的误差；最后在Linux系统中，将优化后的节点个数对应的嵌入式软件，采用功耗仿真 器进行能耗测试，得到优化后的能耗值。
[0006] 所述方法的具体步骤如下：
[0007] St印1、分析引入的嵌入式软件，得到节点关系图：
[0008] 首先确定嵌入式软件系统中涉及的各个模块，将系统模块分解成每个简单的子系 统模块；然后分析每个模块函数体之间的变量关系，将每个模块作为一个节点，通过模块之 间的变量关系连接每个节点，最后得到节点关系图；
[0009] Step2、根据节点关系图，分析每个节点的聚类关系、出度、入度，根据每个节点的 聚类关系得到聚类关系平均值：
[0010] 聚类关系Ci = ZEiZX(Ni-I);其中，Ei为Ni个节点之间实际存在的边数,N i为与节 点i相连的边数；
[0011] 出度X_i为从节点i流出的边的数目，入度Xi为流入节点i的边的数目；
【权利要求】
1. 一种基于改进神经网络的嵌入式软件能耗测试方法，其特征在于：首先分析引入的 嵌入式软件，得到节点关系图；接着根据节点关系图，分析每个节点的聚类关系、出度、入 度，根据每个节点的聚类关系得到聚类关系平均值；然后将输入节点的聚类关系、出度、入 度值，每个输入节点的聚类关系得到的聚类关系平均值代入改进的神经网络模型；再根据 每个输出节点的输出值与设定的每个输出节点的训练目标值，计算每个节点输出值的误 差；最后在Linux系统中，将优化后的节点个数对应的嵌入式软件，采用功耗仿真器进行能 耗测试，得到优化后的能耗值。
2. 根据权利要求1所述的基于改进神经网络的嵌入式软件能耗测试方法，其特征在 于：所述方法的具体步骤如下： Stepl、分析引入的嵌入式软件，得到节点关系图： 首先确定嵌入式软件系统中涉及的各个模块，将系统模块分解成每个简单的子系统模 块；然后分析每个模块函数体之间的变量关系，将每个模块作为一个节点，通过模块之间的 变量关系连接每个节点，最后得到节点关系图； Step2、根据节点关系图，分析每个节点的聚类关系、出度、入度，根据每个节点的聚类 关系得到聚类关系平均值： 聚类关系Q=ZEi/N^Ni-l);其中，Ei为队个节点之间实际存在的边数，队为与节点i相连的边数； 出度L为从节点i流出的边的数目，入度Xi为流入节点i的边的数目； 聚类关系平均值
?，其中，L为节点总数； Step3、将输入节点的聚类关系、出度、入度值，每个输入节点的聚类关系得到的聚类关 系平均值代入改进的神经网络模型： 将输入节点的聚类关系、出度、入度值代入改进的神经网络模型隐节点的输出模型
，i= 1，…L;将每个输入节点的聚类关系得到的聚 类关系平均值代入改进的神经网络模型输出节点的输出模型Yi=f(TXOiXC-q)，i= 1，…L;其中f为训练函数，w、T为连接权向量，s为隐节点的个数，q为隐节点或者输出节点的 输出模型的神经单元阀值，〇i为第i个隐节点输出值，t为第i个输出节点输出值；其中隐 藏节点的个数与输入节点的个数相等，输出节点的个数与隐藏节点的个数相等； Step4、根据每个输出节点的输出值与设定的每个输出节点的训练目标值，计算每个节 点输出值的误差： 若存在输出节点的输出值误差小于输出节点的最小误差Es，则对该输出节点进行优 化，得到优化后的节点个数，接着根据优化后的节点个数直接改善优化代码，再得到节点关 系图，接着重复执行步骤Step2_步骤Step4 ; 当每个输出节点的输出值误差都大于输出节点的最小误差Es，则执行步骤Step5 ; 其中
Step5、在Linux系统中，将优化后的节点个数对应的嵌入式软件，采用功耗仿真器进 行能耗测试，得到优化后的能耗值。
【文档编号】G06F11/36GK104407972SQ201410669007
【公开日】2015年3月11日 申请日期:2014年11月21日 优先权日:2014年11月21日
【发明者】张晶, 陈沫良, 严涵, 沈江炎, 潘有顺, 薛冷, 王彬 申请人:昆明理工大学