direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Willkommen beim Fachgebiet Software and Embedded Systems Engineering

News

  • Lehrveranstaltungen im Wintersemester 2021/22
    Bitte beachten Sie, dass aufgrund des IT-Angriffs auf die TU Berlin zur Zeit kein Zugriff auf IT-Systeme möglich ist, die für die Pflege dieser Webseite notwendig sind, daher sind leider nicht alle Angaben aktuell gehalten.
    Unser Lehrangebot im Wintersemester 2021/22 finden Sie daher gesammelt unter diesem Link.

Forschungsschwerpunkte

  • Qualitätssicherung für eingebettete Systeme
  • Software-Engineering für eingebettete Systeme
  • Entwurf und Synthese eingebetteter Systeme

SESE-Newsletter

Wer Interesse an unserem Kolloquium und anderen Vorträgen hat, kann sich für den SESE-Newsletter .

Aktuelle Veröffentlichungen

Intelligent Task Mapping using Machine Learning
Zitatschlüssel tetzlaff10CiSE
Autor Dirk Tetzlaff and Sabine Glesner
Buchtitel Proceedings of the 2010 International Conference on Computational Intelligence and Software Engineering (CiSE 2010)
Jahr 2010
ISBN 978-1-4244-5392-4
DOI http://doi.ieeecomputersociety.org/10.1109/CISE.2010.5677019
Adresse Wuhan, China
Verlag IEEE Computer Society
Zusammenfassung Task scheduling and task allocation, which are vital parts of mapping parallel programs to concurrent architectures, must take into account the interprocessor communication, whose overheads have emerged as the major performance limitation in parallel applications. Furthermore, its power consumption is an important research focus which must be addressed. Finding an optimal solution requires information about the runtime behavior, which is not known at compile time. Moreover, the computational complexity leads to heuristic approaches based on conservative assumptions that are unable to exploit all of the program's optimization potential. In this paper, we propose a novel approach to automatically generate architecture- and application-specific heuristics for power- and communication-aware task mapping using machine learning techniques to predict how programs behave at runtime. The key advantage of machine learning techniques is their ability to find relevant information in a high-dimensional space. This yields more precise heuristics than those based on pure static assumptions, as our experimental results show. Because learning is done in an off-line training phase once per architecture, the compile time itself is not extended as in other heuristic approaches like genetic or evolutionary algorithms.
Link zur Originalpublikation Download Bibtex Eintrag

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

Prof. Dr. Sabine Glesner

Sekretariat

Johanna Bohlen
Raum TEL 1006
Tel.: +49 30 314-78865
Fax: +49 30 314-78866

Öffnungszeiten:
Mo, Di, Mi, Do
10:30 - 12:30 Uhr

Postanschrift

Technische Universität Berlin
Fachgebiet Software and
Embedded Systems Engineering
Sekr. TEL 12-4
Ernst-Reuter-Platz 7
10587 Berlin