23 articles
Cette étude démontre que, pour le TinyML sur microcontrôleurs, les réseaux 1D-CNN surpassent les LSTM en offrant une précision comparable ou supérieure tout en réduisant considérablement l'utilisation de mémoire et le temps d'inférence, ce qui les rend idéaux pour les dispositifs embarqués à faible consommation.
Ce papier présente FluxSieve, une architecture unifiée qui intègre un prétraitement et un filtrage légers directement dans le flux d'ingestion des données pour concilier les plans de données analytiques et de streaming, permettant ainsi d'améliorer considérablement les performances des requêtes dans les plateformes d'observabilité cloud à grande échelle avec un surcoût de calcul et de stockage négligeable.
Cette étude évalue des algorithmes d'apprentissage par renforcement hors ligne dans un environnement de télécommunications stochastique et conclut que l'approche Conservative Q-Learning offre la robustesse la plus fiable pour le contrôle des réseaux, bien que les méthodes basées sur les séquences puissent surpasser les approches traditionnelles lorsque des trajectoires à haut rendement sont disponibles.