resource management | BriefGPT

关键词resource management

搜索结果 - 49

LIFL：一款轻量级、事件驱动的联邦学习无服务器平台
LIFL 是一种轻量级和弹性的无服务器云平台，通过精细的资源管理实现规模化的 FL 聚合，它通过流线型事件驱动的无服务器设计，以及使用轻量级的 eBPF 代理替代容器化的边车来提高效率，并利用共享内存处理实现高性能通信，进一步引入了 LIF
PDF2 months ago
MMTF2AIF：在云边界连续上加速 AI 模型的开发和部署
通过创建多个高级语言版本的某个 AI 函数输入，以适应多种不同的硬软件平台，TF2AIF 填补了当前生态系统中的一个空白，并通过要求用户最少的时间或专业知识，促进资源管理或自动化操作的研究。
PDF2 months ago
在大规模无线网络中利用数字双胞胎进行合奏式 Q 学习
通过新颖的合奏 Q-learning 算法，针对优化无线网络的性能和复杂性挑战，通过合成马尔可夫决策过程的集成学习，提出了适应大状态空间可观测无线网络的新模型，通过在多个合成马尔可夫环境上并行运行多个 Q-learning 算法并将其输出融
PDF5 months ago
Shabari：用于更快、更高效的无服务器函数的延迟决策
通过在功能输入可用后延迟进行资源分配决策，Shabari 在提供功能性能的同时提高资源利用率，相比包括 Aquatope、Parrotfish 和 Cypress 在内的现有系统，Shabari 在一系列无服务器功能和输入上将 SLO 违规
PDF6 months ago
云原生微服务的分析驱动资源管理
云原生微服务的资源管理主题引起了广泛关注。我们提出了一种轻量级资源管理系统 Ursa，通过将服务级别协议分解为每个服务级别协议，并将每个服务级别协议映射到每个微服务层的单个资源分配，来解决机器学习驱动方法面临的挑战。与其他机器学习驱动的方法
PDF6 months ago
级联：一种适用于延迟敏感边缘智能的平台
互动智能计算应用越来越普遍，需要优化以降低每个事件的延迟，同时保持高吞吐量和高效的资源管理。Cascade 是一个新的 AI/ML 托管平台，旨在解决这个难题。创新之处包括最小化数据拷贝的兼容传统系统的存储层和最大化响应性能的数据与计算合并
PDF7 months ago
描绘工业资源变动中的用户转移：一种贝叶斯非参数方法
在众多工业领域中，优化资源管理并满足用户需求是一个关键目标。该研究揭示了用户群集的存在，捕捉了资源变化中的宏观级别的用户转移模式。我们提出了 CLUSTER，一种可解释的层次贝叶斯非参数模型，能够自动识别群集，并因此预测用户在资源变化下的转
PDF9 months ago
RT-LM：面向实时推理的语言模型不确定性感知资源管理
对于应用于实时响应系统中的语言模型，我们通过定量实验表明 RT-LM 能显著减少平均响应时间、提高吞吐量，并且在运行时开销相对较小。
PDF10 months ago
DeepTriNet：基於三層注意機制的 DeepLabv3 + 架構用於衛星影像的語義分割
该研究提出了一种用于卫星图像的语义分割的三级注意力型 DeepLabv3 + 架构（DeepTriNet），通过结合压缩 - 激发网络（SENets）和三级注意力单元（TAUs）与原始 DeepLabv3 + 架构，使用 TAUs 来弥合编
PDF10 months ago
分布式资源管理中的价格歧视博弈
本文提出了基于价格差异化的联邦学习方法，通过区分不同客户提供的服务来改善联邦学习的性能，并降低激励客户参与的成本。通过构建一个价格差异化游戏来综合解决联邦学习中的分布式资源管理问题，包括多目标权衡、客户选择和激励机制。通过设计一个分布式半启
PDF10 months ago
空中 - 地面 - 空中集成网络资源管理的合作多类型多智能体深度强化学习
将低地球轨道卫星、无人机和地面用户融合的空地一体化网络（SAGIN），在智慧城市应用方面具有巨大潜力。然而，SAGIN 的资源管理是一个挑战，需要紧急研究，因为不适当的资源管理会导致数据传输差，从而影响智慧城市的服务。本文开发了一个综合的
PDFa year ago
地下能源系统中受物理启发的机器学习应用的批判性评论
机器学习在计算机视觉、自然语言处理和语音识别等各个领域中被证明是一种强大的工具，然而，结合深度学习和物理学原理的物理约束机器学习技术的应用在地下能源系统产业，特别是在石油和天然气行业中展现了巨大的潜力，能提供更准确可靠的资源管理和运营效率的
PDFa year ago
灾难响应中的主动资源请求：基于深度学习的优化模型
灾害响应中资源管理和需求预测的优化问题，并提出了基于深度学习的新方法，经过实验验证其在实际数据和模拟数据上的卓越表现，同时在多利益相关者和多目标设置下也显示出了其卓越性能。
PDFa year ago
自主移动控制的两种排队智能故事：启用深度学习算法
近期研究通过深度学习解决自主移动控制和高效资源管理的问题，其中多主体强化学习和神经 Myerson 拍卖是主要方法。研究回顾了基于多主体强化学习和神经 Myerson 拍卖的自主移动控制，同时强调了二者结合的重要性以实现高效而可信的自主移动
PDFa year ago
MM基于迁移学习的多主体深度强化学习实现跨小区网络分片
本文提出了一种基于多个深度强化学习代理的 DIRP 算法来协作优化资源分区，为网络切片满足每个应用的要求；同时设计了一种新颖的迁移学习辅助 DIRP 算法（TL-DIRP），以实现大规模移动网络中的可操作性和转移性。实验结果表明，TL-DI
PDFa year ago
成本感知连续学习中的快速上下文适应
本文探讨了在 5G 等新型网络中，如何平衡学习过程和用户数据平面的资源需求，并提出了一种动态策略来达成资源的有效利用和数据保障。研究结果表明，该方法在减少对用户 QoS 干扰的同时，可以比传统静态分配方法更快地达到高效的资源分配策略，达到了
PDFa year ago
云计算环境下具备信任访问控制的智能资源管理机制
本文提出了一种云计算工作负载管理范式的概念框架，通过虚拟化创建计算机系统的虚拟实例来共享资源并保证数据安全性，包括资源管理单元、安全的虚拟机管理单元和工作量分析器单元等部分。
PDF2 years ago
学习的成本：基于学习的 RRM 的效率与功效对比（适用于 6G）
本文介绍了动态平衡策略，旨在在云端和边缘节点之间进行数据交换并学习最有效的资源管理策略，以最大程度地减少学习过程的开销，同时尽可能地提高用户的服务质量。
PDF2 years ago
非无线和无线网络上的联邦和元学习：教程
本文综述了联邦学习、元学习和联邦元学习在非无线与无线网络中的设计、优化和应用，并分析了这些学习算法之间的关系以及它们在实际应用中的优缺点。
PDF2 years ago
MM数字孪生技术赋能多层计算网络规划
本文提出了一种基于数字孪生和元学习的网络规划方案来支持有状态应用程序，通过多层计算范例和不同组的资源预留，可以最小化计算、存储和通信资源的使用和重新配置资源预留的成本。
PDF2 years ago