MMJul, 2022

HybMT: 基于混合元预测器的机器学习算法用于快速测试向量生成

PDF
TL;DR本文提出了一种基于机器学习的、优化整合电路测试的算法，通过使用分层和元预测器，相较于现有的商业软件和基线算法，能够在保证测试质量的前提下，将 CPU 时间减少 32.6%，测试进度加快 24.4% 到 95.5%。
integrated circuitdeterministic test generationmachine learningpredictorcpu time
发现论文，激发创造
  • 通过对抗电源迹线的逃避式硬件木马

    本文研究硬件安全背景下的机器学习漏洞，主要聚焦在硬件木马、机器学习和侧信道分析，通过设计对抗噪声的方法来绕过机器学习侧信道分析，并提供开放的资源和设计。

    Jan, 2024

  • MATADOR：面向边缘应用的自动化片上系统特斯林机设计生成

    通过提供自动化的完整开发流程，MATADOR 能够使用 Tsetlin Machine 模型在 SoC-FPGA 上实现优化的加速器设计，达到了高速、资源节约和功耗有效的结果，相较于现有的量化和二值化深度神经网络实现，MATADOR 加速器设计可达到 13.4 倍的更快速度、7 倍的更节约资源和 2 倍的更节约功耗。

    Mar, 2024

  • 繁殖机器翻译：进化方式在自动评估世界中生存和繁荣

    本研究提出基于遗传算法的机器翻译系统改进方法，利用多种自动评估指标作为适应度函数，产生新颖、多样的高质量输出。同时，利用该方法找出无效评估指标的盲点和缺陷，进而构建对抗样本数据集，并证明基于参考文献的 COMET 系统鲁棒性更强。

    May, 2023

  • 通过缺省元观解释学习进行生物设计工程自动化

    提出了一种新颖的基于 $Meta_{Abd}$ 的自动生物设计工程框架，使学习机器能够同时优化模型并减少实验成本和数据注释的研究。

    May, 2021

  • 模拟电路验证的自适应规划搜索算法

    为了确保电路芯片的正常运行，该论文提出了一种基于机器学习的方法，利用高斯过程代理模型来训练操作条件配置，并在合成和实际电路中展示了更好的估计结果。

    Jun, 2023

  • 蒙特卡罗树搜索引导的混合系统两层虚假检测

    介绍了一个基于蒙特卡洛树搜索的优化框架，用于在探索和开发之间，平衡探索和开发，并对杂乱无章的黑盒组件进行优化建模，以进行质量保证。

    Mar, 2018

  • CMOS + 随机纳米磁体：概率推理和学习的异质计算机

    本文提出了一种异构计算器，该计算器将基于随机磁隧道结的概率位（p-bits）与现有的 CMOS 技术相结合，恰当的设计提高了概率计算的能效，提供了比仿真高质量的随机比特。

    Apr, 2023

  • MetaML：用于深度学习加速的可定制跨阶段设计流程自动化

    本论文介绍了一种新的针对深度神经网络（DNN）硬件加速器的优化框架，它能够快速开发定制化和自动化的设计流程，同时具有高度可定制性和灵活性，通过引入新的优化和转换任务，不需要人类专业知识，可以在保持准确性的同时大幅度降低 DSP 和 LUT 使用，相较于现有技术，具有更高的精度和更少的 DSP 资源使用率。

    Jun, 2023

  • 有限状态机优先级可变长度测试用例生成

    本文提出了一种测试生成策略，旨在同时满足测试路径必须在有限状态机的指定状态开始和结束、测试用例只需访问有限状态机中特定状态和转换以及测试路径必须在给定长度范围内（不一定是显式均匀长度）等三种特殊测试情况，同时在真实的工业测试中表现优于现有基于 N-switch 覆盖概念修改的基准策略，对测试软件功能和非功能需求均适用。

    Mar, 2022

  • HigeNet: AIOps 中长序列时间序列预测的高效建模

    研究提出了一种高效的模型 HigeNet，用于预测长时间序列时间序列，能够有效地监控大量机器数据，具有低计算复杂度，能够与现有数据规模高度匹配，并通过实验展示其比其他五个最先进的模型更具高效性。

    Nov, 2022