| DC Field | Value | Language |
|---|
| dc.contributor.author | Прихожий, А. А. | - |
| dc.contributor.author | Ждановский, А. М. | - |
| dc.contributor.author | Карасик, О. Н. | - |
| dc.contributor.author | Маттавелли, М. | - |
| dc.date.accessioned | 2017-02-28T12:50:09Z | - |
| dc.date.accessioned | 2017-07-13T06:37:34Z | - |
| dc.date.available | 2017-02-28T12:50:09Z | - |
| dc.date.available | 2017-07-13T06:37:34Z | - |
| dc.date.issued | 2017 | - |
| dc.identifier.citation | Эвристический генетический алгоритм оптимизации вычислительных конвейеров / А. А. Прихожий [и др.] // Доклады БГУИР. – 2017. – № 1 (103). – С. 34-41. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/12104 | - |
| dc.description.abstract | Проведен анализ вычислительных конвейеров и методов их оптимизации. Рассмотрен класс
потоковых конвейеров, не использующих разделение вычислительных ресурсов и достигающих наибольшей производительности. Для этого класса рассмотрены задачи оптимизации конвейеров, решаемые для случайной логики в процессе высокоуровневого синтеза по поведенческим
спецификациям на языках программирования и описания аппаратуры. Исследован эвристический генетический алгоритм оптимизации, применимый к проектам большого размера. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | доклады БГУИР | ru_RU |
| dc.subject | поток данных | ru_RU |
| dc.subject | вычислительный конвейер | ru_RU |
| dc.subject | высокоуровневый синтез | ru_RU |
| dc.subject | оптимизация | ru_RU |
| dc.subject | data flow | ru_RU |
| dc.subject | computational pipeline | ru_RU |
| dc.subject | high-level synthesis | ru_RU |
| dc.title | Эвристический генетический алгоритм оптимизации вычислительных конвейеров | ru_RU |
| dc.title.alternative | Heuristic genetic algorithm of computational pipelines optimization | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | An analysis of computational pipelines and their optimization methods has been performed. A class of dataflow pipelines that do not use resource sharing and obtain high throughput has been considered. Pipeline optimization tasks being solved during high-level synthesis from random logic behavioral specifications in programming and hardware description languages have been considered. A heuristic genetic optimization algorithm which is capable of handling large designs has been proposed and investigated. | - |
| Appears in Collections: | №1 (103)
|
