PulseAugur
中
实时 10:11:41
English(EN) A Comparative Analysis on the Performance of Upper Confidence Bound Algorithms in Adaptive Deep Neural Networks

新的UCB策略增强了用于边缘计算的自适应深度神经网络

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为边缘计算环境中的自适应深度神经网络（ADNNs）引入了四种新的上限置信界（UCB）策略。这些策略，包括UCB-Bayes、UCB-Tuned和UCB-V，旨在动态平衡精度与能耗和延迟。使用CIFAR数据集在ResNet和MobileViT模型上进行的实验表明，UCB-Bayes收敛速度最快，而UCB-V和UCB-Tuned在精度、延迟和能耗之间提供了最佳的权衡。 AI

影响 为边缘设备上高效的深度学习引入了新的自适应推理策略，有望提高性能和资源利用率。

排序理由 这是一篇介绍新算法和比较分析的研究论文。

在 arXiv cs.LG 阅读 →

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

新的UCB策略增强了用于边缘计算的自适应深度神经网络

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Grigorios Papanikolaou, Ioannis Kontopoulos, Konstantinos Tserpes ·

    自适应深度神经网络中上置信界算法性能的比较分析

    arXiv:2604.24810v1 Announce Type: new Abstract: Edge computing environments impose strict constraints on energy consumption and latency, making the deployment of deep neural networks a significant challenge. Therefore, smart and adaptive inference strategies that dynamically bala…

相关实体

相关话题