《表3 各种模型预测的最优配置对比 (vips) Table 3 Predicted optimal configurations of different models (vips)》
通常来说,除非将整个设计空间中的配置都模拟了,才能找到最优的配置,但这是不可行的。一个折中方案是对比由SSLBoost模型预测出的最优配置和由现有设计空间探索方法ANN和SVM预测的最优配置相对比。具体来讲,从整个设计空间中随机采样3 000个配置,然后利用这3种方法来预测这3 000个配置的性能响应,从而寻找到其中的最优配置。最后模拟3种方法找到的最优配置,并直接比较其真实的模拟性能响应。以基准程序vips为例,表3展示了SSLBoost模型和其他2种模型预测的最优配置以及预测精度(RMAE)。这里ANN、SVM的训练样本集和SSLBoost模型的初始训练集大小都为200,测试样本集合大小为2 000。从表3可以看出,与其他2种方法相比,SSLBoost模型寻找的最优配置的性能最好,并且,SSLBoost模型对该配置预测的性能响应非常接近这个配置的真实模拟性能,仅仅3.5%的预测误差。而其他2个方法得到的最优配置性能都较低,且预测精度也较低(误差为12.9%、23.8%)。因此,在探索更优配置方面,SSLBoost模型无论在准确性和还是有效性上都优于ANN和SVM。
图表编号 | XD002671000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.01 |
作者 | 李丹丹、姚淑珍、王颖、王森章、谭火彬 |
绘制单位 | 北京航空航天大学计算机学院、北京航空航天大学计算机学院、中国科学院计算技术研究所计算机体系结构国家重点实验室、南京航空航天大学计算机科学与技术学院、北京航空航天大学软件学院 |
更多格式 | 高清、无水印(增值服务) |