Geri Dön

Reinforcement learning guided input generation for faster assertion-based verification

Daha hızlı bildirim tabanlı doğrulama için destekli öğrenme güdümlü girdi üretme

  1. Tez No: 730938
  2. Yazar: OĞUZ KEREM TURAL
  3. Danışmanlar: PROF. DR. MEHMET ALPER ŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 46

Özet

İşlevsel doğrulama, dijital tasarımların işlevsel doğruluğunu sağlamak için çok önemli bir süreçtir. Modern dijital tasarımların artan karmaşıklığı ile doğrulama sırasında tasarım spesifikasyonlarının hatalarının ayıklanması ve doğrulanması son derece zaman alıcı hale gelmiştir. Bildirime dayalı doğrulama, tasarım özelliklerinin hatalarının ayıklanması ve doğrulanması için harcanan zamanı azaltmanın etkili bir yoludur. Bu tezde, destekli öğrenme güdümlü girdi oluşturma algoritması ile bildirime dayalı doğrulama için bir çerçeve sunuyoruz. Girdi oluşturma algoritmamız, bildirimlerden öğrenmek ve verilen bildirimleri daha hızlı karşılayan girdiler oluşturmak için Q-Learning'i kullanır. Çerçevemizi 5 aşamalı 64-bit RISC-V çekirdeğiyle test ettik ve rastgele girdi üretimine göre önemli performans artışı sağladık.

Özet (Çeviri)

Functional verification is necessary to ensure the functional correctness of digital designs. Debugging and validating design specifications during verification becomes extremely time-consuming with the increased complexity of modern register-transfer-level designs. Assertion-based verification is an effective way to reduce time spent on debugging and validation of design specifications. In this thesis, we present a framework for assertion-based verification with a reinforcement learning-guided input generation algorithm. Our input generation algorithm uses Q-Learning to learn from the assertions and generate inputs that satisfy the given assertions faster. We have tested our framework with a 5-stage 64-bit RISC-V core and achieved significant performance improvement over random input generation.

Benzer Tezler

  1. High-speed trajectory replanning and trajectory tracking for collision avoidance

    Çarpışma önlemek için yüksek hızlı rota planlama ve rota takibi

    MEHMET HASANZADE

    Doktora

    İngilizce

    İngilizce

    2021

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE KOYUNCU

  2. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  3. Gemi yapılarında gerilme yığılması öngörülerinin kaba ağ yapısı ve makine öğrenmesi ile gerçekleştirilmesi

    The forecasting of stress concentration in ship buildings by using rough mesh structure and machine learning method

    BURÇİN ATEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SERDAR AYTEKİN KÖROĞLU

  4. Robot skill acquisition via representation sharing and reward conditioning

    Robotların temsil paylaşımı ve ödül koşullanması yoluyla beceri kazanmaları

    METE TULUHAN AKBULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE UĞUR

  5. Accelerating robot learning via human-in-the-loop shared control

    İnsan yönlendirmeli paylaşımlı kontrol ile robot öğrenimini hızlandırma

    DENİZ YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. REGAİP BARKAN UĞURLU

    PROF. DR. ERHAN ÖZTOP