Ciência-IUL
Publicações
Descrição Detalhada da Publicação
A conditional branch predictor based on weightless neural networks
Título Revista
Neurocomputing
Ano (publicação definitiva)
2023
Língua
Inglês
País
Estados Unidos da América
Mais Informação
Web of Science®
Scopus
Google Scholar
Abstract/Resumo
Conditional branch prediction allows the speculative fetching and execution of instructions before knowing the
direction of conditional statements. As in other areas, machine learning techniques are a promising approach
to building branch predictors, e.g., the Perceptron predictor. However, those traditional solutions demand large
input sizes, which impose a considerable area overhead. We propose a conditional branch predictor based on
the WiSARD (Wilkie, Stoneham, and Aleksander’s Recognition Device) weightless neural network model. The
WiSARD-based predictor implements one-shot online training designed to address branch prediction as a binary
classification problem. We compare the WiSARD-based predictor with two state-of-the-art predictors: TAGESC-
L (TAgged GEometric-Statistical Corrector-Loop) and the Multiperspective Perceptron. Our experimental
evaluation shows that our proposed predictor, with a smaller input size, outperforms the perceptron-based
predictor by about 0.09% and achieves similar accuracy to that of TAGE-SC-L. In addition, we perform an
experimental sensitivity analysis to find the best predictor for each dataset, and based on these results, we
designed new specialized predictors using a particular parameter composition for each dataset. The results show
that the specialized WiSARD-based predictor outperforms the state-of-the-art by more than 2.3% in the best
case. Furthermore, through the implementation of specialized predictor classifiers, we discovered that utilizing
90% of the specialized predictor for a specific dataset yielded comparable performance to the corresponding
specialized predictor.
Agradecimentos/Acknowledgements
CAPES, Brazil and CNPq, Brazil f, FCT
Palavras-chave
Weightless neural network,WiSARD,Branch prediction,Binary classification
Classificação Fields of Science and Technology
- Ciências da Computação e da Informação - Ciências Naturais
- Medicina Básica - Ciências Médicas
Registos de financiamentos
Referência de financiamento | Entidade Financiadora |
---|---|
POCI-01-0247-FEDER-045912 | Fundação para a Ciência e a Tecnologia |
UIDB/04466/2020 | Fundação para a Ciência e a Tecnologia |
UID-BASE/50008/2020 | Fundação para a Ciência e a Tecnologia |
UIDP/04466/2020 | Fundação para a Ciência e a Tecnologia |
Projetos Relacionados
Esta publicação é um output do(s) seguinte(s) projeto(s):
Contribuições para os Objetivos do Desenvolvimento Sustentável das Nações Unidas
Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.