| 方法 | 基准 | 样本量 | 评估指标 |
[1] | 基于决策树机器学习算法 的快速模拟退火算法 | S2CBench | - | ADRS |
[2] | 随机森林, 转导实验设计 | DFT | 合成了一组受限制的242个旋钮 设置,其中包括11个循环操作, 2个函数内联选择和 11个可行时钟周期。 | ADRS |
[3] | 随机森林 | adpcm,sha,jpeg 和mpeg2 | - | ADRS |
[4] | 贝叶斯优化 | MachSuite | AES:104,976 Backpropagation:23,328 Radix Sort:7776 | LUT利用率与 有效等待时间 |
[5] | 多保真度优化方法 高斯过程 | MachSuite CHStone | AES:55,566、 Backpropagation:23,253、 Radix Sort:4096、 ADPCM:17,024 | LUT的使用, 最坏情况下的 估计周期数 和时钟周期 |
[6] | Pyramid框架: 集成任意机器学习技术 | Machsuit,S2CBench,CHStone和Rosetta | - | 时序和资源使用 |