在线学习任务迁移器

迁移判断少26%

一种基于在线学习的状态感知任务迁移方法，相比现有技术，在提升性能的同时显著减少了迁移判断次数。

Yandong, He · Zhang, Yongjun · Yongjun, Zhang · 刘衡竹 · Chen, Renzhi

2024

参数信息

性能提升

3.7 %

迁移判断减少

26 %

技术优势

训练数据少

用小数据集预训练神经网络，在线更新模型，替代离线学习繁重的数据收集和模型训练。

把握迁移时机

状态感知，检测到需要迁移的时刻才触发，避免固定周期迁移错过最佳时机。

应用场景

• 多核处理器：自适应任务迁移，提升性能并降低热风险。
• 嵌入式系统：在线学习降低训练数据需求，适合资源受限环境。
• 边缘计算：减少迁移判断次数，节省边缘设备计算开销。