| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题的来源和研究背景 | 第9页 |
| ·预测策略动态电源管理法国内外研究现状 | 第9-11页 |
| ·动态电源管理简介 | 第9-10页 |
| ·预测策略动态电源管理简介 | 第10页 |
| ·预测算法的特点及其局限性 | 第10-11页 |
| ·论文的主要工作和创新点 | 第11-12页 |
| ·论文的主要工作 | 第11-12页 |
| ·论文主要创新点 | 第12页 |
| ·课题实验环境 | 第12页 |
| ·论文结构 | 第12-14页 |
| 第二章 动态电源管理 | 第14-17页 |
| ·超时策略 | 第15页 |
| ·随机策略 | 第15-16页 |
| ·预测策略动态电源管理 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第三章 预测策略中的预测算法 | 第17-24页 |
| ·学习树算法 | 第17-18页 |
| ·指数平均算法 | 第18页 |
| ·马尔可夫算法 | 第18-23页 |
| ·马尔可夫算法的基本理论 | 第18-19页 |
| ·马尔可夫算法的实现过程 | 第19-21页 |
| ·马尔可夫算法的代码实现 | 第21-23页 |
| ·人工神经网络算法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第四章 自反馈内嵌式马尔可夫算法的设计 | 第24-31页 |
| ·内嵌式马尔可夫模型的设计 | 第24页 |
| ·自反馈机制的设置 | 第24-27页 |
| ·反馈机制 | 第24-25页 |
| ·自反馈模型 | 第25-27页 |
| ·程序流程和代码设计 | 第27-30页 |
| ·程序流程 | 第27-28页 |
| ·代码实现 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第五章 神经网络时间序列预测 | 第31-43页 |
| ·静态神经网络 | 第31-35页 |
| ·BP神经网络算法 | 第31-33页 |
| ·RBF(径向基因)神经网络算法 | 第33-35页 |
| ·动态神经网络 | 第35-40页 |
| ·动态神经网络的原理特点 | 第35-36页 |
| ·动态神经网络的构建和实现 | 第36-40页 |
| ·提高神经网络泛化能力的优化方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 仿真对比实例 | 第43-55页 |
| ·仿真数据和仿真平台 | 第43-44页 |
| ·预测精度仿真测试 | 第44-50页 |
| ·神经网络与自反馈内嵌式马尔可夫算法耦合方法仿真实验 | 第50-53页 |
| ·误差纠正法 | 第50-51页 |
| ·权值调配法 | 第51页 |
| ·双重预测模型法的建立 | 第51-53页 |
| ·功耗仿真测试对比 | 第53-54页 |
| ·试验环境 | 第53页 |
| ·仿真结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第七章 结论与建议 | 第55-56页 |
| ·全文总结 | 第55页 |
| ·建议和展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 硕士生期间的研究成果和参加科研情况 | 第60页 |