关键词online learning framework
搜索结果 - 6
- 虚拟化的 O-RAN 平台中的公平资源分配
O-RAN 和 O-Cloud 构成了一个重要的范式转变，可以带来前所未有的性能提升，并提出了一系列试验来评估 O-Cloud 的能耗成本以及其依赖性，同时提出了一种基于能效的计算策略和一种基于射频的策略，以实现在服务器和用户之间公平地平衡 - 现场学习可微分粒子滤波
本文提出了一种可微粒子滤波器的在线学习框架，通过采用无监督损失来构建在线模型更新过程，实现随着数据的到达更新模型参数；通过在模拟设置中进行实证评估，并与监督学习方法进行比较，包括多元线性高斯状态空间模型和模拟物体跟踪实验。
- IJCAI电动汽车节能导航在线学习框架
该研究使用贝叶斯方法建模道路片段的能量消耗，开发了一个在线学习框架并分析了 Thompson 采样和 Upper Confidence Bound 等探索策略，将在线学习框架扩展到多车自适应导航。最后，使用卢森堡 SUMO 交通数据集进行多 - 无悔学习中的最后迭代收敛：凸凹景观的约束极小极大优化
本文研究了凸凹零和博弈问题，并提出了一种遵循在线学习框架的近似算法 Optimistic Multiplicative-Weights Update，在本地范围内表现出最后收敛性。
- 不精确近端在线梯度下降算法的在线学习
提出了一种名为近端在线梯度下降（OGD）算法，用于解决具有不同 iable loss 函数和不可区分正则化器的复合目标函数的非可区分动态优化问题，该算法适用于在线学习框架，并允许损失函数的梯度存在误差。
- 自适应在线学习
该论文提出了一种普遍框架，用于研究在线学习框架下的自适应遗憾界限，包括模型选择界限和数据相关界限；该框架基于顺序复杂度量的修正，并使用单侧尾不等式来界定此界限，并在线性优化和在线 PAC-Bayes 定理中进行了实例化。