Cost-Sensitive Incremental Thermal Prediction with Adaptive Drift Detection for Predictive Maintenance on Single-Board Computers
Este artículo presenta HT-CS, un marco de aprendizaje incremental sensible al costo que combina un regresor de Árbol de Hoeffding con la detección de deriva ADWIN y ponderación a nivel de muestra, el cual mejora significamente la recuperación de eventos de temperatura crítica y la precisión de la predicción en dispositivos Raspberry Pi 4B con recursos limitados, manteniendo al mismo tiempo una baja latencia y una pequeña huella del modelo.