Buchumschlag

Approximating G(t)/GI/1 queues with deep learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sherzer, Eliran, Baron, Opher, Krass, Dmitry, Resheff, Yehezkel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analyzing homogenous and heterogeneous multi-server queues via neural networks
von: Sherzer, Eliran
Veröffentlicht: (2025)

An Unconstrained Optimization Approach to Moment Fitting with Phase Type Distributions
von: Sherzer, Eliran, et al.
Veröffentlicht: (2025)

A Learning-Based Superposition Operator for Non-Renewal Arrival Processes in Queueing Networks
von: Sherzer, Eliran
Veröffentlicht: (2026)

Computing the steady-state probabilities of a tandem queueing system, a Machine Learning approach
von: Sherzer, Eliran
Veröffentlicht: (2024)

Supervised Learning for the (s,S) Inventory Model with General Interarrival Demands and General Lead Times
von: Sherzer, Eliran, et al.
Veröffentlicht: (2026)

Neural Fingerprints for Adversarial Attack Detection
von: Fisher, Haim, et al.
Veröffentlicht: (2024)

Gaussian Approximation for Asynchronous Q-learning
von: Rubtsov, Artemy, et al.
Veröffentlicht: (2026)

Approximation and interpolation of deep neural networks
von: Constantinescu, Vlad-Raul, et al.
Veröffentlicht: (2023)

Comparing statistical and deep learning techniques for parameter estimation of continuous-time stochastic differentiable equations
von: Sankoh, Aroon, et al.
Veröffentlicht: (2025)

Predicting path-dependent processes by deep learning
von: Zheng, Xudong, et al.
Veröffentlicht: (2024)

Steady-State Behavior of Constant-Stepsize Stochastic Approximation: Gaussian Approximation and Tail Bounds
von: Wang, Zedong, et al.
Veröffentlicht: (2026)

Towards an Approximation Theory of Observable Operator Models
von: Anyszka, Wojciech
Veröffentlicht: (2024)

Performance of Rank-One Tensor Approximation on Incomplete Data
von: Lebeau, Hugo
Veröffentlicht: (2025)

Geometry of spherical spin glasses
von: Subag, Eliran
Veröffentlicht: (2026)

Concentration for the zero set of large random polynomial systems
von: Subag, Eliran
Veröffentlicht: (2023)

Large-width functional asymptotics for deep Gaussian neural networks
von: Bracale, Daniele, et al.
Veröffentlicht: (2021)

Approximation to Deep Q-Network by Stochastic Delay Differential Equations
von: Lu, Jianya, et al.
Veröffentlicht: (2025)

A simple algorithm for output range analysis for deep neural networks
von: Rojas, Helder, et al.
Veröffentlicht: (2024)

Exploring how deep learning decodes anomalous diffusion via Grad-CAM
von: Bae, Jaeyong, et al.
Veröffentlicht: (2024)

A Random Matrix Approach to Low-Multilinear-Rank Tensor Approximation
von: Lebeau, Hugo, et al.
Veröffentlicht: (2024)

Stochastic Port-Hamiltonian Neural Networks: Universal Approximation with Passivity Guarantees
von: Di Persio, Luca, et al.
Veröffentlicht: (2026)

Towards Continuous-Time Approximations for Stochastic Gradient Descent without Replacement
von: Perko, Stefan
Veröffentlicht: (2025)

Uncertainty estimation via ensembles of deep learning models and dropout layers for seismic traces
von: Messuti, Giovanni, et al.
Veröffentlicht: (2024)

A General-Purpose Theorem for High-Probability Bounds of Stochastic Approximation with Polyak Averaging
von: Khodadadian, Sajad, et al.
Veröffentlicht: (2025)

Learning payoffs while routing in skill-based queues
von: van Kempen, Sanne, et al.
Veröffentlicht: (2024)

Approximation of group explainers with coalition structure using Monte Carlo sampling on the product space of coalitions and features
von: Kotsiopoulos, Konstandinos, et al.
Veröffentlicht: (2023)

Convergence, Sticking and Escape: Stochastic Dynamics Near Critical Points in SGD
von: Dudukalov, Dmitry, et al.
Veröffentlicht: (2025)

Score matching for bridges without learning time-reversals
von: Baker, Elizabeth L., et al.
Veröffentlicht: (2024)

Neural stochastic Volterra equations: learning path-dependent dynamics
von: Bergerhausen, Martin, et al.
Veröffentlicht: (2024)

Practical multi-fidelity machine learning: fusion of deterministic and Bayesian models
von: Yi, Jiaxiang, et al.
Veröffentlicht: (2024)

Machine learning-based system reliability analysis with Gaussian Process Regression
von: Zhou, Lisang, et al.
Veröffentlicht: (2024)

Negative Dependence as a toolbox for machine learning : review and new developments
von: Tran, Hoang-Son, et al.
Veröffentlicht: (2025)

Active operator learning with predictive uncertainty quantification for partial differential equations
von: Winovich, Nick, et al.
Veröffentlicht: (2025)

Equivariant score-based generative models provably learn distributions with symmetries efficiently
von: Chen, Ziyu, et al.
Veröffentlicht: (2024)

Diffusion-based supervised learning of generative models for efficient sampling of multimodal distributions
von: Tran, Hoang, et al.
Veröffentlicht: (2025)

Training-set-free two-stage deep learning for spectroscopic data de-noising
von: Huang, Dongchen, et al.
Veröffentlicht: (2024)

Markov Chain Variance Estimation: A Stochastic Approximation Approach
von: Agrawal, Shubhada, et al.
Veröffentlicht: (2024)

Nonlinear spiked covariance matrices and signal propagation in deep neural networks
von: Wang, Zhichao, et al.
Veröffentlicht: (2024)

Solving systems of Random Equations via First and Second-Order Optimization Algorithms
von: Montanari, Andrea, et al.
Veröffentlicht: (2023)

Dynamics for spherical spin glasses: Gibbs distributed initial conditions
von: Dembo, Amir, et al.
Veröffentlicht: (2025)