图神经网络增强汽车软件调度

研究人员开发了一种新颖的机器学习方法，使用两级图神经网络（GNN）来合成汽车软件架构的作业级依赖（JLD）。该方法旨在限制因果链中的数据年龄，解决了现有技术在检查可调度性方面的局限性。基于GNN的生成器集成到具有差分隐私和可行性检查器的生成与验证框架中，在合成时间和解决方案质量方面均显著优于传统的贪婪启发式方法。 AI

影响 引入了一种基于机器学习的方法来优化复杂汽车系统中的实时调度，有望缩短开发时间并提高可靠性。

排序理由 学术论文，详细介绍了针对特定工程问题的创新机器学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• differential privacy
• Gotit.pub
• graph neural networks
• Hugging Face
• Job-Level Dependencies
• ScienceCast

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →