• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2019 56th ACM/IEEE Design Automation Conference >Rethinking Sparsity in Performance Modeling for Analog and Mixed Circuits using Spike and Slab Models
【24h】

Rethinking Sparsity in Performance Modeling for Analog and Mixed Circuits using Spike and Slab Models

机译：使用Spike和Slab模型重新思考模拟和混合电路性能建模中的稀疏性

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As integrated circuit technologies continue to scale, efficient performance modeling becomes indispensable. Recently, several new learning paradigms have been proposed to reduce the computational cost associated with accurate performance modeling. A common attribute among most of these paradigms is the leverage of the sparsity feature to build efficient performance models. In this work, we propose a new perspective to incorporate sparsity in the modeling task by utilizing spike and slab feature selection techniques. Practically, our proposed method uses two different priors on the different model coefficients based on their importance. This is incorporated into a mixture model that can be built using a hierarchical Bayesian framework to select the important features and find the model coefficients. Our numerical experiments demonstrate that the proposed approach can achieve better results compared to traditional sparse modeling techniques while also providing valuable insight about the important features in the model.
机译：随着集成电路技术的不断扩展，高效的性能建模变得必不可少。最近，已经提出了几种新的学习范例，以减少与精确性能建模相关的计算成本。这些范式中的大多数的共同属性是稀疏特性的杠杆作用，以建立有效的性能模型。在这项工作中，我们提出了一个新的观点，即通过利用尖峰和平板特征选择技术将稀疏性纳入建模任务。实际上，我们提出的方法基于其重要性在不同的模型系数上使用了两个不同的先验。将其合并到混合模型中，可以使用分层贝叶斯框架来构建混合模型，以选择重要特征并找到模型系数。我们的数值实验表明，与传统的稀疏建模技术相比，所提出的方法可以获得更好的结果，同时还提供了有关模型中重要特征的宝贵见解。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号