فریده ضیایی - دانشجوی کارشناسی ارشد، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
مهدیه قزوینی - دانشیار، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
بهنام قوامی - دانشیار، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
مرجان کائدی - دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه اصفها ن

در سه دهه اخیر، کاهش اندازه ترانزیستورها در پردازنده های چندهسته ای باعث کاهش مصرف انرژی، تراکم توان ثابت و رشد نمایی عملکرد در هر وات شده است و فقط بخشی از ترانزیستورها در مدارهای مجتمع ها می توانند به طور همزمان تغذیه شوند. حتی اگر ترانزیستورها در نسل های جدید مدارهای مجتمع کوچک تر شوند، مصرف انرژی آنها دیگر تقریبا کاهش نمی یابد. پس با مصرف انرژی ثابت در هر ترانزیستور، افزایش تعداد ترانزیستورها منجر به رشد نمایی کل اتلاف توان مصرفی و اثرات سالخوردگی برای طراحی و ساخت مدارهای مجتمع مهم می شود. خرابی سالخوردگی باعث کاهش عمر مفید یک مدار می شود. کاهش توان مصرفی با استفاده از تکنیک های کم مصرف توان مانند مقیاس بندی داینامیک ولتاژ و فرکانس، برای نظارت بر بارکاری و تصمیم گیری در مورد عملکرد (ولتاژ و فرکانس پردازنده های چندهسته ای مورداستفاده قرار می گیرد. از آنجایی که مجموعه داده ها پایه و اساس مدل های یادگیری ماشین برای طراحی و توسعه هستند، در این پژوهش مجموعه داده ای برای مدیریت توان مصرفی با استفاده از الگوریتم های یادگیری ماشین ارائه می شود. گامهای پیاده سازی شامل ایجاد داده و جمع آوری داده ها و گسسته سازی خروجی های مجموعه داده ای است.

مجموعه داده، مدیریت مصرف توان، یادگیری ماشین، مقیاس بندی پویایی ولتاژ و فرکانس