Feb, 2024

SkipPredict：何时投资于调度预测

PDF
TL;DR通过考虑预测作业大小的调度近期研究工作，在排队系统中探究了预测成本对调度系统的影响，提出了一种针对预测成本的新型方法 SkipPredict，通过分类作业的预测需求来进行预测，分别在短作业和长作业上进行预测，并分析了考虑成本的预测对两种模型的影响。
发现论文，激发创造
  • 基于预测的调度与错误预测的代价

    该文研究了在服务时间不确定且使用机器学习算法进行预测时的作业调度，提出了几个策略的性能公式，并引入了 “错误预测的代价” 框架来度量使用预测信息的成本。

    Feb, 2019

  • 基于人工智能的排队系统的设计和调度

    基于预测模型的最优调度决策在服务系统中的关键是理解预测误差对其他作业的延迟产生的外部性对拥塞的影响。我们在应用中考虑了预测模型与人类服务器交互的情况（例如内容审查），设计了一个基于指标的策略，以近乎最优的方式结合了预测的类别信息，通过对重负载下拥塞成本的特征化来指导预测模型的设计，并针对基于人工智能的任务划分设计了一种新颖的排队系统。我们以实际在线评论为基础，通过微调大型语言模型构建鉴别有毒性的分类器，展示了我们的框架。

    Jun, 2024

  • 带有预测的算法学习

    介绍了一种算法设计范例 —— 基于学习预测器的算法，将在线学习技术应用于预测器学习、调整鲁棒性 - 一致性折中并绑定样本复杂度，在构建优美的预测器的同时，在二分图匹配、滑雪租赁、页面迁移和作业调度等多场景中优化了多个现有结果，且提供了第一批基于学习理论的担保。

    Feb, 2022

  • 非先知性调度与部分预测

    非全知调度问题的学习增强算法中具备预测但没有质量保证，通过对只有部分作业大小的预测进行研究，建立了近似最优下界和算法，并呈现了在预测数量受限情况下一种新的一致性和平滑性之间的权衡关系。

    May, 2024

  • 能效调度与预测

    在能效调度中，使用学习增强的算法框架，通过减小预测误差，实现多种能效调度问题的竞争比率改善。

    Feb, 2024

  • 企业过程实例的时间和活动序列预测

    本研究提出了新方法，用于精确预测进程、服务级别协议和活动序列，旨在帮助企业管理者及时应对业务流程中可能出现的问题，同时解决进程的非平稳性问题，通过对两个真实案例的广泛评估，我们的方法表现优于现有的最新技术。

    Feb, 2016

  • 当不平等较低时，分配只需要预测

    利用一个简单的数学模型，我们评估了基于预测的分配在具有更大单位（如医院、社区或学校）的设置中的有效性，发现当单位间的不平等性较低且干预预算较高时，基于预测的分配优于仅使用聚合单位级统计的基准方法。我们的结果适用于各种设置，包括预测成本、治疗效果的异质性和单位级统计的可学习性，共同突显了通过预测改进干预效果的潜在局限性。

    Jun, 2024

  • 程序阶段的模型复杂度

    在资源受限的计算系统中，序列预测模型必须在严格约束下运行。我们提出了一种理论和相关的实证方法，探索一种特定类型机器学习模型（如深度神经网络）的成本与预测质量之间的权衡空间，以增加对资源受限任务模型的理论和实践限制的认识。

    Oct, 2023

  • Twitter SQL 查询成本预测

    本文介绍了一种使用机器学习技术来预测 SQL 查询资源使用的服务，并且可以帮助改善查询调度，解决 SQL 引擎集群中不平衡的 OLAP 工作负载问题。

    Apr, 2022

  • 预测调度

    探讨利用机器学习算法进行医学影像诊断的问题，并提出在线调度问题的解决方案，通过分析来自不同紧迫性病人的数据，制定出优先顺序以提高病人救治效率。

    Dec, 2022