C-MemMAP: clustering-driven compact, adaptable, and generalizable meta-LSTM models for memory access prediction

Utilize este identificador para citar ou criar um atalho para este documento: https://hdl.handle.net/10923/18182

Tipo:	Article
Título:	C-MemMAP: clustering-driven compact, adaptable, and generalizable meta-LSTM models for memory access prediction
Autor(es):	Pengmiao Zhang Ajitesh Srivastava Ta-Yang Wang Cesar Augusto Fonticielha De Rose Rajgopal Kannan Viktor K. Prasanna
In:	International Journal of Data Science and Analytics
Data de Publicação:	2021
Página Inicial:	1
Página Final:	10
Palavras-chave:	Gerência de recursos em máquinas paralelas Escalonamento de Recursos Inteligência Artificial (IA)
URI:	https://hdl.handle.net/10923/18182
DOI:	DOI:10.1007/s41060-021-00268-y
ISSN:	2364-415X
Aparece nas Coleções:	Artigo de Periódico

Arquivos neste item:

Arquivo	Descrição	Tamanho	Formato
CMemMAP_clusteringdriven_compact_adaptable_and_generalizable_metaLSTM_models_for_memory_access_prediction.pdf		5,22 MB	Adobe PDF	Abrir Exibir