23 artículos
Este estudio demuestra que, en dispositivos de recursos limitados para TinyML, las redes neuronales convolucionales unidimensionales (1D-CNN) superan a las redes LSTM al ofrecer una precisión comparable o superior con un consumo significativamente menor de memoria y tiempo de inferencia, lo que las convierte en la opción más práctica para aplicaciones en tiempo real.
El artículo presenta FluxSieve, una arquitectura unificada que integra un procesamiento de filtrado y enriquecimiento ligero directamente en la ingesta de datos para reconciliar los planos de datos de streaming y analíticos, logrando mejoras de hasta varios órdenes de magnitud en el rendimiento de las consultas con una sobrecarga computacional y de almacenamiento mínima.
Este estudio demuestra que, en entornos de telecomunicaciones estocásticos, el Aprendizaje por Refuerzo Offline basado en Bellman (CQL) ofrece políticas más robustas que los métodos basados en secuencias, proporcionando así orientación práctica para la selección de algoritmos en la gestión de redes impulsada por IA.