伪无尾演化嵌入式系统的体系结构

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
半导体技术的进步使得嵌入式系统的设计越来越复杂。具有诸如可演化性和自治行为等新技术的体系结构已经引起了人们的广泛关注。本文从概念上论证了嵌入式系统的可演化性可以根据无尾性来刻画。注意到在无尾系统中，未来的输入是需要知道的，这里我们提出了一个机制，使系统预测未来的输入，并表现出伪无尾性质。提出了一种基于无源性理论框架的嵌入式系统。我们的方法旨在建立一种新的体系结构，该体系结构具有硬件的可进化性和自治行为，同时具有伪随机性。详细讨论了该体系结构的各个方面以及局限性。
---
英文标题：
《Architecture for Pseudo Acausal Evolvable Embedded Systems》
---
作者：
Mohd Abubakr, R.M.Vinay
---
最新提交年份：
2007
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Neural and Evolutionary Computing        神经与进化计算
分类描述：Covers neural networks, connectionism, genetic algorithms, artificial life, adaptive behavior. Roughly includes some material in ACM Subject Class C.1.3, I.2.6, I.5.
涵盖神经网络，连接主义，遗传算法，人工生命，自适应行为。大致包括ACM学科类C.1.3、I.2.6、I.5中的一些材料。
--
一级分类：Computer Science        计算机科学
二级分类：Artificial Intelligence        人工智能
分类描述：Covers all areas of AI except Vision, Robotics, Machine Learning, Multiagent Systems, and Computation and Language (Natural Language Processing), which have separate subject areas. In particular, includes Expert Systems, Theorem Proving (although this may overlap with Logic in Computer Science), Knowledge Representation, Planning, and Uncertainty in AI. Roughly includes material in ACM Subject Classes I.2.0, I.2.1, I.2.3, I.2.4, I.2.8, and I.2.11.
涵盖了人工智能的所有领域，除了视觉、机器人、机器学习、多智能体系统以及计算和语言（自然语言处理），这些领域有独立的学科领域。特别地，包括专家系统，定理证明（尽管这可能与计算机科学中的逻辑重叠），知识表示，规划，和人工智能中的不确定性。大致包括ACM学科类I.2.0、I.2.1、I.2.3、I.2.4、I.2.8和I.2.11中的材料。
--

---
英文摘要：
  Advances in semiconductor technology are contributing to the increasing complexity in the design of embedded systems. Architectures with novel techniques such as evolvable nature and autonomous behavior have engrossed lot of attention. This paper demonstrates conceptually evolvable embedded systems can be characterized basing on acausal nature. It is noted that in acausal systems, future input needs to be known, here we make a mechanism such that the system predicts the future inputs and exhibits pseudo acausal nature. An embedded system that uses theoretical framework of acausality is proposed. Our method aims at a novel architecture that features the hardware evolability and autonomous behavior alongside pseudo acausality. Various aspects of this architecture are discussed in detail along with the limitations.
---
PDF下载：
--> English_Paper.pdf (80.36 KB)

2022-4-14 15:52:59 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：嵌入式系统 嵌入式 Architecture Intelligence Presentation

Pseudo Acausal EvolvableEmbedded SystemsMohd Abubakr和Rali Manikya Vinay,电子和通信工程Gokaraju Rangaraju工程技术研究所，海德拉巴，Miyapur,500045 INDIAEmail id：mohdabubakr@ieee.orgAbstracts-半导体技术的进步导致了嵌入式系统设计的日益复杂。具有可演化性和自治行为等新技术的体系结构已经引起了人们的广泛关注。本文从概念上论证了演化的嵌入式系统可以根据无尾特性来描述，指出在无尾系统中，未来的输入需要已知，本文提出了一种机制，使系统能够预测未来的输入，并表现出伪无尾特性。提出了一种嵌入式系统，该系统采用了无尾性的理论框架，其目标是一种具有硬件可进化性和自主行为以及伪无尾性的新体系结构。详细讨论了该体系结构的各个方面以及限制。消费者需求是嵌入式系统创新设计的主要灵感来源。随着人们对可靠机器需求的增加，市场上出现了新的自主设备体系结构。这些设备包括智能手机、智能汽车，它们可以自己做出决定。这些设备的成功促使工业界投资于扩展机器的自主行为以应用于各种应用。研究人员现在正在寻找一种方法，使机器变得更加优越和智能，不仅“聪明”到足以做出决定，而且能够预测它所面临的可能的强大环境，并通过在硬件水平上修改自己来适应自己。Evolvableembedded系统是当前研究领域中需求和投入较高的领域之一。“可演化的”意味着系统的自主行为能够自行修复和制定解决方案。这种自主行为可以通过遗传编程和人工智能来实现。本文讨论了一类具有一定特征的嵌入式系统。近年来，人们对嵌入式系统的可演化性概念进行了研究，并提出了一种通用的方法[1]。我们讨论了在可演化嵌入式系统开发中使用可演化性理论框架的可能性，并提出了一种新的实现可演化嵌入式系统的体系结构。第二节讨论了动机和先验工作。在第三节中简要地解释了Aquausality。第四节提供了一个实现预期技术的拟议架构。在各小节中，对建筑的每一个模块进行了简要的讨论。第五节解释了该建筑的工作情况，随后是结论。传统的嵌入式系统由单片机和DSP组成，采用现场可编程门阵列(FPGA)、复杂可编程阵列（CPLDs）等器件实现。随着片上系统(SoC)集成度的不断提高，在单芯片上进行混合信号设计已经成为可能。这类系统广泛应用于无线通信、网络、信号处理、多媒体和网络等领域，为了提高服务质量(QoS)，嵌入式系统需要容错、低功耗、高寿命和经济上可行。这些服务已经成为所有嵌入式系统的acommon规范，因此引起了商业市场的关注，不同的研究人员提出了新的解决方案来重新定义嵌入式系统的QoS。

未来的嵌入式系统由进化技术组成，这些技术可以修复、进化和适应它们所处的条件。这种系统可以被称为自主设计。近年来，使用遗传算法和人工智能的自主设计根据条件进化出新的硬件系统已经引起了人们的兴趣。这些系统基于自适应计算机，当环境变得恶劣时，它们会自行产生一个全新的解决方案。这里的敌对环境是指温度的变化，辐射含量的增加，在这些条件下，一个自主系统需要有能力修改和发展硬件，使其不太容易受到敌对环境的影响。在[1]中给出的嵌入式系统的分类是1）0类（固定的软件和硬件）：软件和硬件一起在设计时被定义。Neitherreconfiguration或自适应被执行。此类还包含仅在复位期间配置的具有可重构FPGA的系统。2）第1类（可重构SW/HW）：在运行过程中改变软件或硬件（FPGA的配置），以提高性能和资源的利用率（例如。在可重构计算中）。Evolutionaryalgorithm可以用来在编译时调度配置序列，但不能在操作时调度配置序列。3）第2类（进化优化）：Evolutionaryalgorithm是系统的一部分。寄存器值）是进化的，即有限的适应性是可用的。Fitnesscalculation和遗传操作在软件中进行。例如：自适应滤波器改变FIR滤波器固定结构的系数。4)3a类（程序的进化）：使用遗传程序设计来构造整个程序，以便进行重新appation或高性能计算。5)3B类（硬件模块的进化）：整个硬件模块的进化是为了确保适应性、高性能计算、容错或低能耗。适应度计算和遗传操作是在软件中或使用专门的硬件进行的。可重构硬件是使用进化的配置来配置的。该系统通常由aDSP和一个可重构器件组成。例如：NASA JPLSABLES[3].6)第4类（可进化的SoC）：第3类的所有组件都在单个芯片上实现。这意味着SOC包含一个可重构的设备。到目前为止，一些这样的设备已经商业化，例如数据压缩芯片[4]7)5类（可进化的IP核）：class3b的所有组件都被实现为IP核，即在HDLsource代码（硬件描述语言）级别上。它还要求在HDL层次上描述可重构器件。一种称为虚拟可重构电路的方法被引入来处理这个问题[15]。8）类6（协同进化组件）：嵌入式系统包含两个或多个协同进化的硬件或软件设备。这些协同进化组件可以在SoC上作为多处理器或在FPGA上作为可进化的IPCore实现。目前还没有表示此类的示例。图1：可进化组件放置在可进化的嵌入式系统中。组件1-4在本例中表示可进化组件的环境。任何嵌入式系统都可以通过上面给出的分类。可重构计算通过从硬件模块库中动态上载/删除硬件组件来实现可进化硬件的思想。

根据[1]，可演化嵌入式系统可以定义为“可配置的嵌入式系统，其中使用演化算法动态地修改某些系统（软件和/或硬件）组件，以使系统的行为适应变化的环境”。图1显示了evolvable EmbeddedSystem.III的通用框图。通常嵌入式系统的设计都是建立在基于当前和过去输入产生输出的假设基础上的，这些嵌入式系统被称为实时嵌入式系统。这里介绍的一套新的嵌入式系统是基于这样一个假设，即即使考虑到未来的输入，输出也是生成的。这种systemscan被称为无休止嵌入式系统。由于对未来输入预测的不确定性，这些系统需要一个专门的主算法来进化硬件来实现特定的输出，而这个进化的硬件是通过可用的资源来构建的。我们定义无尾性是指系统的当前输出依赖于过去、现在和未来输入的术语。Acausality与嵌入式系统的presentency完全不同，后者纯粹依赖于presenting和过去的输入。在文献[16]中有关于自主嵌入式系统的各种建议。本文提出的系统属于第6类系统。它可以利用人工智能、算法和可用的资源自行开发硬件和软件。提出的体系结构的另一个主要部分是使用future InputPredictor。关于未来输入预测器的详细信息将在下一节中解释。使用人工智能为预测的未来输入确定合适的解决方案是必不可少的，在确定系统的效率方面起着重要的作用。图2显示了属于可进化嵌入系统class6组的一个acausalsystem的拟议体系结构。它可以利用人工智能算法和可用的资源自行开发硬件和软件。现代技术允许嵌入式硬件创建者利用这些可感知的硬件资源构建进化设计。一些可靠的可重构硬件平台可以是可编程模拟阵列、现场可编程门阵列(FPGA)、FPAA（现场可编程模拟阵列）、FPTA（现场可编程晶体管阵列）、纳米器件、可重构天线、MEMS（微机电系统）、可重构光学和其他一些选择性组件。接下来的部分给出了图2.a所示结构中存在的eachblock的一般描述。过去输入摘要器(PIS)的功能是将输入的过去值存储到分配的内存中。由于在内存中存储所有过去的输入实际上是不可能的，图2：所提出的模型的广义体系结构因此我们使用一种算法来压缩和总结过去的输入。因此，我们可以将PIS定义为“它通过遵循优化的算法，在有限的内存中存储过去输入的相关信息，这些信息可以在不预测未来输入的情况下适用”。压缩和摘要算法可以根据应用程序的敏感性来选择。由于空间的限制，传统的嵌入式系统的内存非常有限。利用新开发的光学存储器概念可以有益于提高pastinputs存储的潜力[17]。当前输入的当前InputAcception是此块的基本功能。根据不同的应用，可以有各种各样的输入，例如通过传感器元件、传输接收器、换能器等获得的信号。在这个接合部，噪声因素被考虑在内；因此，该块在决定集成系统的效率方面起着重要的作用。

在执行一个特定的输入后，它被发送到过去的输入摘要器，并提取一个新的输入。这是一个必要的噪声得到消除在这个块，它本身的噪声归入过去的输入摘要。c。Future Input Predictor和AnalyzerFuture Input Predictor(FIP)块作为名称indicatespredictors未来输入。在这里，分配也通过另一个设备传递未来的输入。这种分配是用天线或一些特殊的传感器网络来完成的。有时，未来的输入可以通过外部代理知道，因此这种分配形成了外部代理和系统之间的接口。这使得这个块在预测未来的输入时表现出双重稳定性。文献中有许多预测未来的算法。未来预测和估计广泛应用于财务决策中。未来的输入也可以用从过去输入中获得的数据来预测。使用对过去输入的离散集的模式识别算法，可以确定未来的输入。从现有数据中解决模式识别问题的算法有很多[5,6,7,8]。嵌入式系统是嵌入式系统的核心，也是嵌入式系统的重要组成部分。嵌入式硬件创建者(EHC)应该具有自主决策的能力。人工神经网络(ANN)是基于自学习和环境适应的人脑模型，它可以通过人工智能（自适应网络）、遗传计算、进化计算等先进技术来实现。创建能够学习和概括周围信息的ANNs是拥有自主计算机器的第一步。由于Topract缺陷，ANNs的学习时间非常长[9,10]。另一个机制，可以帮助实现EHC的iscellular自动机。元胞自动机是离散的空间扩展动力系统，作为一种计算设备的模型已经得到了广泛的研究[11,12]，进化算法如遗传算法在这一领域引起了极大的兴趣。遗传算法基于选择和变异[13,14]。这种技术在实现EHC.E.用于构造硬件设备的可用硬件资源将一定数量的资源分配给嵌入式SystemCreator。这些资源的分配是基于整个嵌入式系统的升级和成本的未来需求。FPGA、FPAA、PAL、存储元件等是可重构设备的很少例子，可以作为嵌入式硬件创建者的资源。提供了增加或修复可用资源的条款，以便随时升级系统。可利用资源的大小是一个限制，因为它导致系统更容易受到热噪声效应和辐射的影响。为了减少热变化和辐射带来的噪声效应，需要采用性能屏蔽技术，否则，可用资源可能会出现缺陷。另一个决定可用资源数目的参数是成本。嵌入式系统的经济可行性是经济成功的关键。进化的体系结构构造这个块是由嵌入式硬件创建者完成的最终进化设计。这个模块有内置的designfeatures来执行EHC在构建实际硬件设计时给出的指令。它还包括FPGA、FPAA、FPTA等存储器的读/写/擦除机制。因此，它形成了EHC和可用资源之间的接口。系统的工作系统中的操作顺序如下。

首先，过去输入摘要器(PIS)、当前输入和未来输入预测器(FIP)给嵌入式硬件创建者提供可实现的输入，然后通过遵循相关逻辑，根据来自PIS、当前输入和FIP的输入，为新的派生设计结果的布局作为来自嵌入式硬件创建者的结果。EHC负责向EAC发送关于使用可用硬件资源构建系统的指令。在收到MEHC的指令后，EAC开始编写可重构硬件资源的规划、连接互连线等具体工作，以构建预测解决方案的工作结构。硬件的潜在容量取决于所使用的系统类型。硬件设计的构建不是一个单一的过程，而是一个不断重复的过程，以获得更多的资源和更好的组织设计。所提出的系统是一个可以根据应用情况进行修改的ageneralized版本，其中使用了无尾自进化可重构硬件的概念。结论：本文提出了一个模型，该模型运用了无尾性的理论框架。ProposedArchitectures是evolvablearchitectures的一个广义版本，可以根据应用程序对其进行适当的修改。伪无尾进化嵌入式系统的提出为一个新的研究时代开辟了一条道路，技术变革的步伐呈现出一种新的形态，我们发现机器在自我修复和自主开发中，消除了现有嵌入式系统的维护和非耐用性的主要瓶颈。这种技术的实现在各个应用领域都有其必然性，从航空、航天、机器人等方面来看，这种技术可能会成为可演化嵌入式系统应用和人工智能研究的顶点。可演化嵌入式系统建模的广义概念已经从可重构组件和人工智能的角度得到实现，我们未来的研究将是为这种设计创造工具。由于财政上的限制，我们将我们的工作限制在理论上，我们希望在不久的将来能够实际演示一个系统。参考文献[1]Lukas Sekanina和Vladimir Drabek，《可演化嵌入式系统的理论和应用》，Proc。第11届国际计算机系统工程会议，2004年5月[2]M.Love,K.R.Sorensen,J.Larsen,J.Clausen.航空公司的中断管理--飞机的重新安排。《进化计算的应用》，EVOWorkers2002,LNCS卷2279,第315-324页。Springer-Verlag,2002.[3]a.Stoica,R.S.Zebulum,D.Keymeulen,M.I.Ferguson,X.Guo.在几秒钟内演化电路：一个独立的板级演化系统的实验。载于2002年美国宇航局/国防部会议可进化硬件的进程，第67-74页，弗吉尼亚州亚历山大，2002年。IEEE计算机学会。[4]田中先生、H.坂崎先生、M.萨拉米先生、M.岩田先生、T.栗田先生和T.Higuchi先生。基于可演化硬件的数字彩色电子照相打印机数据压缩。在第2英寸的进程中。康夫。可进化系统：从生物学到硬件ICE\'98，LNCS第1478卷，第106-114页，瑞士洛桑，1998。Springerverlag.L.Devroye,.Gy-orfi,G.Lugosi,模式识别的概率理论。纽约：斯普林格，1996。[6]M.Kearns M.和U.Vazirani：计算机学习理论导论。麻省理工学院出版社，剑桥，马萨诸塞州，1994。[7]V.Vapnik,统计学习理论，纽约等：John Wiley&Sons,Inc.1998[8]Daniil Ryabko,条件独立数据的模式识别，CS.LG/0507040[9]X.Yao,进化人工神经网络，Int.J.NeuralSystems,第4卷。第203-222页，1993。[10]B.Muller和J.Reinhardt,Neural Networks,a Integration,springer-verlag,1990。[11]H.A.

[12]T.Toffoli,N.Margolus,元胞自动机机器，建模新环境，麻省理工学院出版社，麻省理工学院，剑桥，麻省理工学院，1987[13]C.R.Stephens，I.Garcéa Olmedo，J.Mora Vargas，H.Waelbroeck，Adap-ORG/9708002[14]T.Béack，理论与实践中的进化算法：进化策略，进化规划，遗传算法，(Oxforduniv.Press，1996)。[15]L.Sekanina.面向FPGA的可进化IP核。正在进行中。2003年美国宇航局/国防部关于进化硬件的会议，第145-154页，芝加哥，伊利诺伊州，2003年。IEEE计算机学会[16]L.塞卡尼纳。可演化组件：从理论到硬件实现。自然计算系列，Springer Verlag,2004.[17]Mohd Abubakr,R.M.Vinay,利用孤子实现易失性光学存储器的新技术，班加罗尔IEEE WOCN论文集，2006