-
公开(公告)号：CN104063221B
公开(公告)日：2017-02-15
申请号：CN201410292858.X
申请日：2014-06-25
Applicant: 四川大学
Abstract: 本发明在智能手机中传感器应用为上下文感知服务基础上，提出了一种为上下文感知应用程序使用的低功耗传感器轮询方法。该方法可以动态清除不必要的传感器活动，从而使得这些传感器可以更长时间地保持睡眠状态。同时也提出了一种寻找应用请求与传感器活动间关系的方法。采用这种方法，轮询调度器总能计算并匹配用户调用的多种应用程序组合探测频率来引导低功耗轮询以避免非必须活动。使用不同上下文应用程序对此方法进行评估，结果表明中间件中低功耗轮询响应时间极小(97ms)，与传统穷举轮询操作相比，大约可以节约70％的能耗，该上下文感知服务实现可以减少智能手机的传感器能耗并延长其电池使用时间。
-
公开(公告)号：CN104063221A
公开(公告)日：2014-09-24
申请号：CN201410292858.X
申请日：2014-06-25
Applicant: 四川大学
Abstract: 本发明在智能手机中传感器应用为上下文感知服务基础上，提出了一种为上下文感知应用程序使用的低功耗传感器轮询方法。该方法可以动态清除不必要的传感器活动，从而使得这些传感器可以更长时间地保持睡眠状态。同时也提出了一种寻找应用请求与传感器活动间关系的方法。采用这种方法，轮询调度器总能计算并匹配用户调用的多种应用程序组合探测频率来引导低功耗轮询以避免非必须活动。使用不同上下文应用程序对此方法进行评估，结果表明中间件中低功耗轮询响应时间极小(97ms)，与传统穷举轮询操作相比，大约可以节约70％的能耗，该上下文感知服务实现可以减少智能手机的传感器能耗并延长其电池使用时间。
-
公开(公告)号：CN104156268B
公开(公告)日：2017-07-07
申请号：CN201410323420.3
申请日：2014-07-08
Applicant: 四川大学
Abstract: 为实现数据密集型应用程序并降低并行编程的复杂性，MapReduce提供了一组简单的编程接口。由于采用大规模并行架构，GPU在并行计算平台中逐渐占据主导地位。然而，设计GPU上的高性能MapReduce框架却是一项具有挑战性的任务。本发明描述了一种GPU上的高性能MapReduce框架，并着眼于该框架的工作负载与线程结构两个参数，这两个参数属于该框架的一级参数。本框架采用的是一种分层搜索方法，结合了负载分配与线程结构优化并对两者进行了协调。由于基于高效而精确的采样和多项式拟合方法，本框架能够快速搜索其设计空间，速度比穷举法快860倍，且准确率可达99.7％。在实际应用程序中，本框架的性能可达到当前GPU上最先进MapReduce框架的7.7倍(平均4.04倍)。
-
公开(公告)号：CN104156268A
公开(公告)日：2014-11-19
申请号：CN201410323420.3
申请日：2014-07-08
Applicant: 四川大学
Abstract: 为实现数据密集型应用程序并降低并行编程的复杂性，MapReduce提供了一组简单的编程接口。由于采用大规模并行架构，GPU在并行计算平台中逐渐占据主导地位。然而，设计GPU上的高性能MapReduce框架却是一项具有挑战性的任务。本发明描述了一种GPU上的高性能MapReduce框架，并着眼于该框架的工作负载与线程结构两个参数，这两个参数属于该框架的一级参数。本框架采用的是一种分层搜索方法，结合了负载分配与线程结构优化并对两者进行了协调。由于基于高效而精确的采样和多项式拟合方法，本框架能够快速搜索其设计空间，速度比穷举法快860倍，且准确率可达99.7％。在实际应用程序中，本框架的性能可达到当前GPU上最先进MapReduce框架的7.7倍(平均4.04倍)。
-
-
-
Search Results
4
records
(took 0.036 seconds)
