Enhancing Static Task Scheduling for Pipelined Cyclic Executions on Heterogeneous Architectures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Along with the increase in software complexity comes an increasing number of heterogeneous hardware systems, even in real-time safety-critical embedded systems. Programming these heterogeneous systems optimally with respect to resource utilization and overall latency poses a considerable challenge for the developers, and the limited resources in embedded systems only complicate matters. Static scheduling is a promising prospect for maximizing the safety compliance of the final schedule. In earlier work, we have shown that the static scheduling methods found in the literature are capable of calculating near-optimal schedules quickly using a theoretical graph representation of the software. These methods do, however, only schedule a single execution for minimum latency. In environments where the same software is executed continuously, pipelining subsequent executions can often lead to higher throughput. In this paper, we present a novel methodology leveraging known scheduling algorithms to calculate pipelined executions with higher throughput. We propose a model extension that interleaves frames of execution in the same graph in order to utilize parallelism and pipelining effects, and use this extended model to increase the throughput by up to 29.77 %. This method relies on a computationally hard-to-find cut through the graph representation. As such, we further present an approach to reduce the complexity of the problem and approximate the optimum with an error of only 6.3 % in 4.7 % of the runtime.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle