Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Early WCET Prediction using Machine Learning

Abstract : For delivering a precise Worst Case Execution Time (WCET), the WCET static analysers need the executable program and the target architecture. However, a prediction (even coarse) of the future WCET would be helpful at design stages where only the source code is available. We investigate the possibility of creating predictors of the WCET based on the C source code using machine-learning (work in progress). If successful, our proposal would offer to the designer precious information on the WCET of a piece of code at the early stages of the development process.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-03116285
Contributeur : Françoise Grélaud <>
Soumis le : vendredi 22 janvier 2021 - 14:08:01
Dernière modification le : mardi 4 mai 2021 - 16:07:17
Archivage à long terme le : : vendredi 23 avril 2021 - 19:02:57

Fichier

OASIcs-WCET-2017-5.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Licence


Distributed under a Creative Commons Paternité - Pas d'utilisation commerciale - Pas de modification 4.0 International License

Identifiants

Citation

Armelle Bonenfant, Denis Claraz, Marianne de Michiel, Pascal Sotin. Early WCET Prediction using Machine Learning. 17th International Workshop on Worst-Case Execution Time Analysis (WCET 2017), Jun 2017, Dubrovnik, Croatia. pp.5:1 - 5:9, ⟨10.4230/OASIcs.WCET.2017.5⟩. ⟨hal-03116285⟩

Partager

Métriques

Consultations de la notice

21

Téléchargements de fichiers

7