Buchumschlag

Mobiprox: Supporting Dynamic Approximate Computing on Mobiles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fabjančič, Matevž, Machidon, Octavian, Sharif, Hashim, Zhao, Yifan, Misailović, Saša, Pejović, Veljko
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Certified Neural Approximations of Nonlinear Dynamics
von: Mathiesen, Frederik Baymler, et al.
Veröffentlicht: (2025)

Nautilus: An Auto-Scheduling Tensor Compiler for Efficient Tiled GPU Kernels
von: Zhao, Yifan, et al.
Veröffentlicht: (2026)

Real-Time Safe Control of Neural Network Dynamic Models with Sound Approximation
von: Hu, Hanjiang, et al.
Veröffentlicht: (2024)

AD-NODE: Adaptive Dynamics Learning with Neural ODEs for Mobile Robots Control
von: Yu, Shao-Yi, et al.
Veröffentlicht: (2025)

A Survey on Universal Approximation Theorems
von: Augustine, Midhun T
Veröffentlicht: (2024)

Random Features Approximation for Control-Affine Systems
von: Kazemian, Kimia, et al.
Veröffentlicht: (2024)

Closed-Loop Koopman Operator Approximation
von: Dahdah, Steven, et al.
Veröffentlicht: (2023)

Simulation of Switching Converters on the Level of Averaged Voltages and Currents
von: Lekić, Aleksandra, et al.
Veröffentlicht: (2026)

Simulation of Switching Converters on the Level of Averaged Voltages and Currents
von: Lekić, Aleksandra, et al.
Veröffentlicht: (2026)

Quantitative Flow Approximation Properties of Narrow Neural ODEs
von: Elamvazhuthi, Karthik
Veröffentlicht: (2025)

Entropy-Aware Task Offloading in Mobile Edge Computing
von: Ardakani, Mohsen Sahraei, et al.
Veröffentlicht: (2026)

FPGA-Based Neural Thrust Controller for UAVs
von: Azem, Sharif, et al.
Veröffentlicht: (2024)

A Concentration Bound for TD(0) with Function Approximation
von: Chandak, Siddharth, et al.
Veröffentlicht: (2023)

Efficient Approximation of Volterra Series for High-Dimensional Systems
von: Khoshnan, Navin, et al.
Veröffentlicht: (2025)

Approximate Gradient Coding for Distributed Learning with Heterogeneous Stragglers
von: Song, Heekang, et al.
Veröffentlicht: (2025)

Correctness Verification of Neural Networks Approximating Differential Equations
von: Ellinas, Petros, et al.
Veröffentlicht: (2024)

Neural Approximators for Low-Thrust Trajectory Transfer Cost and Reachability
von: Zhang, Zhong, et al.
Veröffentlicht: (2025)

Stochastic Approximation with Unbounded Markovian Noise: A General-Purpose Theorem
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2024)

To Train or Not to Train: Balancing Efficiency and Training Cost in Deep Reinforcement Learning for Mobile Edge Computing
von: Boscaro, Maddalena, et al.
Veröffentlicht: (2024)

Computationally Efficient RL under Linear Bellman Completeness for Deterministic Dynamics
von: Wu, Runzhe, et al.
Veröffentlicht: (2024)

A Barrier Certificate-based Simplex Architecture for Systems with Approximate and Hybrid Dynamics
von: Damare, Amol, et al.
Veröffentlicht: (2022)

Approximate non-linear model predictive control with safety-augmented neural networks
von: Hose, Henrik, et al.
Veröffentlicht: (2023)

Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining
von: Hose, Henrik, et al.
Veröffentlicht: (2024)

A Simple Finite-Time Analysis of TD Learning with Linear Function Approximation
von: Mitra, Aritra
Veröffentlicht: (2024)

Power Flow Approximations for Multiphase Distribution Networks using Gaussian Processes
von: Glover, Daniel, et al.
Veröffentlicht: (2025)

Universal Approximation of Linear Time-Invariant (LTI) Systems through RNNs: Power of Randomness in Reservoir Computing
von: Jere, Shashank, et al.
Veröffentlicht: (2023)

Approximation with Random Shallow ReLU Networks with Applications to Model Reference Adaptive Control
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Two-Timescale Linear Stochastic Approximation: Constant Stepsizes Go a Long Way
von: Kwon, Jeongyeol, et al.
Veröffentlicht: (2024)

Universal Approximation Power of Deep Residual Neural Networks via Nonlinear Control Theory
von: Tabuada, Paulo, et al.
Veröffentlicht: (2020)

Certified Approximate Reachability (CARe): Formal Error Bounds on Deep Learning of Reachable Sets
von: Solanki, Prashant, et al.
Veröffentlicht: (2025)

Analysis of Off-Policy Multi-Step TD-Learning with Linear Function Approximation
von: Lee, Donghwan
Veröffentlicht: (2024)

Approximate Thompson Sampling for Learning Linear Quadratic Regulators with $O(\sqrt{T})$ Regret
von: Kim, Yeoneung, et al.
Veröffentlicht: (2024)

Delay-adaptive Control of Nonlinear Systems with Approximate Neural Operator Predictors
von: Bhan, Luke, et al.
Veröffentlicht: (2025)

Tight Finite Time Bounds of Two-Time-Scale Linear Stochastic Approximation with Markovian Noise
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2023)

Heavy-Tailed and Long-Range Dependent Noise in Stochastic Approximation: A Finite-Time Analysis
von: Chandak, Siddharth, et al.
Veröffentlicht: (2026)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

$O(1/k)$ Finite-Time Bound for Non-Linear Two-Time-Scale Stochastic Approximation
von: Chandak, Siddharth
Veröffentlicht: (2025)

Finite-Time Bounds for Two-Time-Scale Stochastic Approximation with Arbitrary Norm Contractions and Markovian Noise
von: Chandak, Siddharth, et al.
Veröffentlicht: (2025)

Neptune: Advanced ML Operator Fusion for Locality and Parallelism on GPUs
von: Zhao, Yifan, et al.
Veröffentlicht: (2025)

Kernel Methods for Stochastic Dynamical Systems with Application to Koopman Eigenfunctions: Feynman-Kac Representations and RKHS Approximation
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)