arXiv 发布 AdaptLSTM 云负载预测框架
热点事件持续更新
arXiv 发布 AdaptLSTM 云负载预测框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Xinhua Miao 等研究者提交并发布论文，提出 AdaptLSTM——一个通过验证校准阈值检测分布漂移、并做选择性定向更新的自适应在线学习框架，用于云负载预测。 论文称，在 Alibaba Machine Trace 上，该框架以 20% 成本恢复 Naive Online 54% 的改进，效率为 2.7 倍；在波动更大的 Container Trace 上达到 96%，效率 4.8 倍，MAE 较 Static 降低 75%。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
AdaptLSTM：面向分布漂移下云负载预测的高效自适应在线学习报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LGAdaptLSTM：面向分布漂移下云负载预测的高效自适应在线学习
研究者提出 AdaptLSTM，一个通过验证校准阈值检测漂移并做选择性定向更新的自适应在线框架。在 Alibaba Machine Trace 上，它以 20% 成本恢复 Naive Online 54% 的改进（2.7 倍效率）；在波动更大的 Container Trace 上达到 96%（4.8 倍效率，MAE 较 Static 降低 75%）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。