Článek ve sborníku konference

FAJČÍK Martin, ZACHARIÁŠOVÁ Marcela a SMRŽ Pavel. Automation of Processor Verification Using Recurrent Neural Networks. In: 2017 18th International Workshop on Microprocessor and SOC Test and Verification (MTV). Austin, Texas: Institute of Electrical and Electronics Engineers, 2017, s. 15-20. ISBN 978-1-5386-3351-9. Dostupné z: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8396943
Jazyk publikace:angličtina
Název publikace:Automation of Processor Verification Using Recurrent Neural Networks
Název (cs):Automatizace verifikace pomocí neuronových sítí
Strany:15-20
Sborník:2017 18th International Workshop on Microprocessor and SOC Test and Verification (MTV)
Konference:Microprocessor/SoC Test, Security & Verification 2017
Místo vydání:Austin, Texas, US
Rok:2017
URL:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8396943
ISBN:978-1-5386-3351-9
DOI:10.1109/MTV.2017.15
Vydavatel:Institute of Electrical and Electronics Engineers
Klíčová slova
Functional Verification, Automation of Verification, Neural network, Recurrent Neural Network, Hopfield Net-work,  UVM,  Coverage-Driven  Verification,  Optimization  Problem,  Combinatorial  Optimization
Anotace
Současným trendem verifikace procesorů založených na simulaci je vytvářet stimuly pomocí pseudonáhodných generátorů (PRG), aplikovat je na procesorové vstupy a sledovat dosažené pokrytí jeho funkčnosti, aby se tak zajistila úplnost verifikace. Stimuly mohou mít různé formy, například mohou být reprezentovány bitovými vektory aplikovanými na vstupné porty procesoru nebo programy, které jsou vloženy přímo do programové paměti procesoru. V této práci navrhujeme novou techniku, která dynamicky mění omezení pro PRG přes rekurentní neuronovou síť, která obdrží zpětnou vazbu ze simulace verifikovaného návrhu. Pro demonstrační účely jsme použili procesory dodávané společností Codasip, protože jejich prostor pro pokrytí je relativně velký a liší se u různých druhů procesorů. Nicméně techniky uvedené v tomto dokumentu jsou široce použitelné. Výsledky experimentů ukazují, že naša technika nejen dosáhne uzáver krytí mnohem dříve, ale jsme schopni izolovat malou sadu stimulov dosahující vysoké pokrytí, které lze použít pro běh regresních testů.
Abstrakt
BibTeX:
@INPROCEEDINGS{
   author = {Martin Faj{\v{c}}{\'{i}}k and Marcela
	Zachari{\'{a}}{\v{s}}ov{\'{a}} and Pavel
	Smr{\v{z}}},
   title = {Automation of Processor Verification Using
	Recurrent Neural Networks},
   pages = {15--20},
   booktitle = {2017 18th International Workshop on Microprocessor and SOC
	Test and Verification (MTV)},
   year = 2017,
   location = {Austin, Texas, US},
   publisher = {Institute of Electrical and Electronics Engineers},
   ISBN = {978-1-5386-3351-9},
   doi = {10.1109/MTV.2017.15},
   language = {english},
   url = {http://www.fit.vutbr.cz/research/view_pub.php.cs?id=11512}
}

Vaše IPv4 adresa: 34.239.173.11