70、超图模型、优化策略与噪声标签检测算法

超图模型、优化策略与噪声标签检测算法

1. 超图模型与优化策略

在多FPGA原型设计中，超图模型及其相关优化策略十分关键。DBFS和DDFS算法是相关且互补的初始分区方法，其适用性取决于电路实例及其底层拓扑。DKFM算法在关键路径长度上平均有12% - 40%的改进，但可能会使切割大小增加1.2 - 5.0倍。

1.1 DKFM算法测试方向

有必要在更大的目标拓扑上测试DKFM算法，并使用允许更多移动的专用切割最小化算法。例如，在Architecture 2中，当不同部分之间的通信成本差异显著时，普通分区器的缺点就会显现出来，而DKFM算法更有可能使顶点映射到远程部分而非较近部分的分区受益。像SLAM spheric案例，改进幅度超过50%。

1.2 现有算法的特点

• DBFS和DDFS算法 ：是相关且互补的初始分区方法，能根据不同电路实例和拓扑发挥作用。
• DKFM算法 ：考虑了目标硬件的拓扑结构，并能正确处理异常值，但在改进无架构感知算法（如DBFS和DDFS）的结果时可能有难度。

2. 噪声标签检测算法 - Graph TopoFilter

2.1 背景与问题提出

在处理大规模商品制造公司的服务调用数据时，检测错误的故障修复标签并非易事。数据集中存在噪声标签，其来源包括输入数据质量差、人为错误、标注者感知差异和数据通信问题等。现有的防止神经网络过拟合噪声数据的技术大多未考虑类之间的关系，而在由多个特定连接组件构成的工程系统中，类之间的关系