AdaptLSTM：云负载预测的自适应在线学习框架

Xinhua Miao、Bowei Yang、Zhengong Cai 提出 AdaptLSTM，一种面向云负载预测的自适应在线学习框架。它通过验证校准的阈值检测分布漂移，并据此执行选择性、定向的模型更新，而非对所有数据持续更新。 在 Alibaba Machine Trace 数据集上，该框架以 20% 的成本恢复了 Naive Online 方法 54% 的改进，效率提升 2.7 倍；在波动更大的 Container Trace 上达到 96%，效率提升 4.8 倍，MAE 较 Static 方法降低 75%。上述结果来自作者在论文中的报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。