| 王朋宇,郭崎,沈海华,陈云霁,张珩.使用支持向量机的微处理器验证向量优化方法[J].高技术通讯(中文),2010,20(1):68~74 |
| 使用支持向量机的微处理器验证向量优化方法 |
| An approach to microprocessor simulation vector optimization using SVM |
| |
| DOI： |
| 中文关键词: 支持向量机(SVM)， 功能覆盖率模型， 微处理器验证， 仿真验证， 验证向量优化 |
| 英文关键词: support vector machine (SVM), functional coverage model, microprocessor verification, simulation verification, simulation vector optimization |
| 基金项目:国家自然科学基金(60603049，60673146)，863计划(2007AA01Z112，2008AA110901)，973计划(2005CB321600)和北京市自然科学基金(4072024)资助项目 |
| 作者 | 单位 | | 王朋宇 | 中国科学院计算技术研究所计算机系统结构重点实验室
中国科学院研究生院 | | 郭崎 | 中国科学院计算技术研究所计算机系统结构重点实验室
中国科学院研究生院 | | 沈海华 | 中国科学院计算技术研究所计算机系统结构重点实验室
中国科学院研究生院 | | 陈云霁 | 中国科学院计算技术研究所计算机系统结构重点实验室
中国科学院研究生院 | | 张珩 | 中国科学院计算技术研究所计算机系统结构重点实验室
中国科学院研究生院 |
|
| 摘要点击次数: 3124 |
| 全文下载次数: 2525 |
| 中文摘要: |
| 为了解决微处理器仿真验证中随机验证向量质量不高的问题，提出了一种基于支持向量机(SVM)的验证向量优化方法。该方法将已仿真运行的验证向量及其覆盖率信息作为支持向量机的样本进行有监督学习，得到验证向量关于功能覆盖点的分类器。利用训练后的分类器对于新产生的验证向量进行预测，并丢弃预测中不能提高覆盖率的冗余验证向量。实验数据表明该方法能准确地过滤冗余验证向量，提高仿真运行的验证向量的质量。和完全随机的验证向量生成方法相比，该方法达到相同的功能覆盖率仅需要前者1/3的验证向量。 |
| 英文摘要: |
| This paper proposes a simulation vector filter method based on support vector machines (SVM) and functional coverage to cope with the problem that most random simulation vectors are redundant in simulation based microprocessor verification. A SVM is used to learn the trained simulation vectors and their coverage information, and the new generated simulation vectors are filtered by the learned result. Those which can not improve the functional coverage are redundant and should be discarded. The experimental results based on application of the proposed methodology demonstrate that this technique can precisely filter the redundant simulation vectors to improve the efficiency of verification. Compared with the totally random method, only one third of the simulation vectors are needed to be simulated to reach the same functional coverage. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
