主权项 |
1.一种利用类神经网路(neural network)控制中央处理器(Central Processing Unit, CPU)升降频的方法,包括以下步骤:提供复数个环境参数;将该些环境参数馈入该类神经网路以求得一输出向量;以及依据该输出向量控制该中央处理器的升降频。2.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该类神经网路系放射状网路。3.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器目前的倍频値。4.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器前次的倍频値。5.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括IDE(Intelligent DriveElectronics)控制器之资料存取情形。6.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括DMA(DirectMemory Access)控制器之资料存取情形。7.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括AGP(AcceleratedGraphics Port)介面之资料存取情形。8.如申请专利范围第1项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括PCI(PeripheralComponent Interconnect),介面之资料存取情形。9.一种利用类神经网路控制中央处理器升降频的方法,该类神经网路包括m个基础函数及m个权重向量,用以依据n个环境参数求得一输出向量,该利用类神经网路控制中央处理器升降频的方法包括以下步骤:提供该n个环境参数;将该n个环境参数代入该m个基础函数中以求得m个基础向量;依据该m个权重向量及该m个基础向量求得该输出向量;以及依据该输出向量控制该中央处理器的升降频,其中,m及n均为正整数。10.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该类神经网路系放射状网路。11.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些基础函数包括一放射状基础函数。12.如申请专利范围第11项所述之利用类神经网路控制中央处理器升降频的方法,其中该放射状基础函数系高斯(Gaussian)函数。13.如申请专利范围第11项所述之利用类神经网路控制中央处理器升降频的方法,其中该放射状基础函数系多次曲面(multiquadirc)函数。14.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器目前的倍频値。15.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器前次的倍频値。16.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括IDE控制器之资料存取情形。17.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括DMA控制器之资料存取情形。18.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括AGP介面之资料存取情形。19.如申请专利范围第9项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括PCI介面之资料存取情形。20.一种利用类神经网路控制中央处理器升降频的方法,该类神经网路包括m个基础函数,用以依据n个环境参数求得一输出向量,该利用类神经网路控制中央处理器升降频的方法包括以下步骤:执行一学习程序,包括以下步骤:提供p个拟环境参数;提供一拟输出向量;以及藉该类神经网路依据该p个拟环境参数及该拟输出向量求得m个权重向量;以及执行一应用程序,包括以下步骤:提供该n个环境参数;将该n个环境参数代入该m个基础函数中以求得m个基础向量;依据该m个基础向量及该m个权重向量求得该输出向量;以及依据该输出向量控制该中央处理器的升降频,其中,m、n及p均为正整数。21.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该类神经网路系放射状网路。22.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些基础函数包括一放射状基础函数。23.如申请专利范围第22项所述之利用类神经网路控制中央处理器升降频的方法,其中该放射状基础函数系高斯函数。24.如申请专利范围第22项所述之利用类神经网路控制中央处理器升降频的方法,其中该放射状基础函数系多次曲面函数。25.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括该中央处理器目前的倍频値。26.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括该中央处理器前次的倍频値。27.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括IDE控制器之资料存取情形。28.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括DMA控制器之资料存取情形。29.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括AGP介面之资料存取情形。30.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些拟环境参数包括PCI介面之资料存取情形。31.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器目前的倍频値。32.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括该中央处理器前次的倍频値。33.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括IDE控制器之资料存取情形。34.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括DMA控制器之资料存取情形。35.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括AGP介面之资料存取情形。36.如申请专利范围第20项所述之利用类神经网路控制中央处理器升降频的方法,其中该些环境参数包括PCI介面之资料存取情形。图式简单说明:第1图绘示依照本发明一较佳实施例,所提供的一种利用类神经网路控制CPU升降频的方法示意图。第2图绘示乃第1图中类神经网路的结构图。第3A图绘示高斯函数的图形。第3B图绘示多次曲面函数的图形。第4A图绘示乃第2图之类神经网路在学习时,倍频値逐渐增加与各向量间的关系。第4B图绘示乃第2图之类神经网路在学习时,倍频値逐渐减少与各向量间的关系。第4C图绘示乃第2图之类神经网路在学习时,倍频値呈跳跃式增加与各向量间的关系。第4D图绘示乃第2图之类神经网路在实际应用时,各向量彼此间的关系。 |