研究:无遗憾学习队列的吞吐下界与竞争比
热点事件持续更新
研究:无遗憾学习队列的吞吐下界与竞争比
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
一项新研究分析了单包缓冲排队系统中自私短视队列用 no-regret 算法选择未知服务速率服务器时的表现。作者 Cristian Palma Foster 和 Eva Tardos 证明,任意 no-regret 学习者的长期平均吞吐量至少为服务器速率的 Hamacher 和,且该下界紧致;单队列稳定当且仅当到达率低于该值。 研究还给出竞争比至少 0.77 且紧致的结果。论文发表于 arXiv cs.LG。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
策略排队中的几何充电学习:从 Bandits 到系统报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv cs.LG策略排队中的几何充电学习:从 Bandits 到系统
研究单包缓冲排队系统中自私短视队列用 no-regret 算法选择未知服务速率的服务器,证明任意 no-regret 学习者的长期平均吞吐量至少为服务器速率的 Hamacher 和,且该下界紧致,单队列稳定当且仅当到达率低于该值,竞争比至少 0.77 且紧致。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。