Data Cache Prefetching Using a Global History Bufferの論文を読む (1.基本的な構成) - FPGA開発日記
https://ieeexplore.ieee.org/document/1410068 プリフェッチにはいろんなアルゴリズムがあるが、プリフェッチが効果を発揮するためのいくつかの要素がある： 正確に次のデータを予測すること タイムリーにデータを取得できること 過度なプリフェッチを行わないこと プリフェッチの基本は、メモリアドレスの動作に関連する履歴をテーブルに記録する。この記録する方法にはいろんな手法が存在しており、プログラムは、その命令のプログラムカウンタやミスアドレスなどをキーとしてそのテーブルにアクセスする。これをテーブル・ベース・プリフェッチイングと呼んでいる。 ストライド・プリフェッチ：ロード命令のプログラムカウンタをキーとして、各テーブルエントリは当該ロード命令のもっとも最近のストライドおよびミスアドレスを保持する。この情報をもとに現在のミスアドレスとストライドの加算によって
超音速すべり摩擦
すべり摩擦は，二つの物体が互いに接触し，すべることによって生じる力学現象である．我々の生活のほぼすべてに関係しているといっても過言ではないくらい，身のまわりのさまざまなところに現れる．ダヴィンチ（L. da Vinci）以降，500年以上にわたって膨大な量の実験結果が蓄積され，エンジニアリングでの活用がなされてきた． すべり摩擦に関する学問分野は，トライボロジーと呼ばれる．トライボロジーでは，機械システムにおける金属間の摩擦や摩耗，潤滑に関する研究を中心に，さまざまな取り組みが行われている．また，物理学や高分子科学，地球科学などにおいても，金属，セラミクス，炭素材料，プラスチック，岩石などの幅広い物質群に対して，摩擦の素過程から定常的挙動，過渡的ふるまいに至るまで，実験，理論，数値解析を用いた研究が進められている．とりわけ，摩擦係数のすべり速度依存性は，多くの物質において，古典的な摩擦法則
Bingo Spatial Data Prefetcherの論文を読む (2. Bingoプリフェッチャの構成法) - FPGA開発日記
データ・プリフェッチの技法であるBingoの論文を読んでいるので、概要をまとめる。 https://ieeexplore.ieee.org/document/8675188 github.com 評価 評価にはChampsimとよばれるシミュレーション環境を使用している。これはData Prefetching Championshipでも使用されたシミュレータで、各種様々な提案手法のプリフェッチャがこのシミュレータをベースに開発されているので、公平な比較がやりやすいというメリットがある。 評価のベースラインとしては、Xeon Processorに相当する以下の構成を想定した。 パラメータ コンフィグレーション値 Chip 14nm, 4GHz, 4 cores Cores 4-wide OoO, 256-entry ROB, 64-entry LSQ Fetch Unit Preceptr
合同ゼータ関数 - Wikipedia
原文と比べた結果、この記事には多数の（または内容の大部分に影響ある）誤訳があることが判明しています。情報の利用には注意してください。正確な表現に改訳できる方を求めています。 数学において、q 個の元をもつ有限体 Fq 上で定義された非特異射影代数多様体 V の合同ゼータ関数 (congruent zeta function) Z(V, s)（または局所ゼータ関数 (local zeta function)）とは、Nm を Fq の m 次拡大体 Fqm 上の V の（有理）点の数（定義方程式の解の個数）としたとき、 で定義される。変数変換 u = q-1 を行うと、これは u の形式的冪級数として で定義される。 あるいは同じことだが、 が定義に採用されることもある。 言い換えると、合同ゼータ関数 Z(V, u) とは、有限体 F 上で V を定義する方程式の F の k 次拡大体 Fk
需要の食い合いを考慮した商品の購入数予測 - Preferred Networks Research & Development
本記事は、2023年夏季インターンシッププログラムで勤務された上原祐輝さんによる寄稿です。 背景 商品の購入数予測は重要 近年、小売業界ではDXが進み、多くのビジネスプロセスが効率化されています。その中で、特に購入数予測は企業の競争力を左右する重要な要素となっています。購入数予測とは、過去のデータやトレンドを元に、将来の商品の購入数や需要を予測することを指します。正確な購入数予測は、在庫の無駄を削減し、商品の売り切れリスクを減少させるだけでなく、適切な価格設定を可能にし、利益の最大化に寄与します。 PFNにおいても購入数予測に取り組んでいますが、これまでのモデルでは商品間の需要の食い合いを捉えられていませんでした。そこで、本インターンシップでは需要の食い合いを考慮した商品の購入数予測モデルの開発に取り組みました。 既存モデルの問題点 購入数の予測において、最も基本的なアプローチの一つが各店
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
文豪の漫画家版、漫豪といえば誰を思い浮かべる？
GitHub - google/XNNPACK: High-efficiency floating-point neural network inference operators for mobile, server, and Web
Edge AI Evangelist’s Thoughts Vol.10: Xilinx’s New FPGA Versal Platform - Part 2 - HACARUS INC.
PL-NeRF