实体
data-driven modeling
data-driven modeling
PulseAugur coverage of data-driven modeling — every cluster mentioning data-driven modeling across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
AdaptLSTM框架为云工作负载预测提供高效在线学习
研究人员开发了AdaptLSTM，一种新颖的在线学习框架，旨在应对数据分布变化的情况下高效预测云工作负载。该方法在检测到漂移时选择性地更新模型，与朴素的在线学习方法相比，显著降低了计算成本。AdaptLSTM在Alibaba Machine Trace和Container Trace等基准数据集上展示了卓越的效率和准确性，其表现优于传统的漂移检测方法和匹配预算的基线模型。
-
新型AI检测器确保模型可靠性，无需标签
研究人员开发了两种新颖的概念漂移检测器CFPT-FM和TabAutoDrift，旨在无需部署后标记数据即可在动态环境中保持AI模型的可靠性。这些方法结合了表示学习和统计检验，以识别模型性能何时因输入分布变化而下降，从而发出需要重新训练的信号。在定位和异常检测等无线应用中的评估表明，与传统检测器相比，这些方法表现更优，实现了更高的F1分数和更可靠的可靠性决策。
-
论文将神经算子与微分方程联系起来以实现更好的泛化
一篇新论文探讨了传统微分方程模型与现代数据驱动方法（如神经算子）之间的关系。它认为许多建模策略共享一个通用结构，主要区别在于它们假设的输入-输出映射。研究表明，只有某些模型能够进行真正的机制发现和随后的泛化，从而为它们的适当应用提供了见解。