Cost-Sensitive Incremental Thermal Prediction with Adaptive Drift Detection for Predictive Maintenance on Single-Board Computers
Questo articolo presenta HT-CS, un framework di apprendimento incrementale sensibile ai costi che combina un regressore Hoeffding Tree con il rilevamento del drift ADWIN e la pesatura a livello di campione, il quale migliora significativamente il richiamo degli eventi critici di temperatura e l'accuratezza della previsione su dispositivi Raspberry Pi 4B con risorse limitate, mantenendo al contempo una bassa latenza e un'impronta del modello ridotta.