Buchumschlag

The impact of neural network optimization on real-time cloud decision systems

Fuente: Zenodo

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Priya Narayanan
Format:	Recurso digital
Veröffentlicht:	Zenodo 2025
Schlagworte:	Neural Network Optimization, Real-Time Cloud Systems, Resource Allocation, Load Balancing, Deep Learning, Bayesian Neural Networks.
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Machine and Deep Learning Models for Load Balancing Strategies in Cloud Computing
von: C Thilagavathy
Veröffentlicht: (2024)

High availability for cloud-based active–active services
von: Kuriakose John, Linton
Veröffentlicht: (2025)

Productivity enhancement in Indian auto component manufacturing supply chain with IoT using neural networks
von: Tushar D. Bhoite
Veröffentlicht: (2025)

A Review on Machine Learning Techniques in Networked Microgrids Applications
von: Muhammad Atiq ur rehman, et al.
Veröffentlicht: (2025)

HYBRID PHYSICS-INFORMED NEURAL SOLVERS FOR REAL-TIME TURBULENCE PREDICTION IN UNSTEADY MULTIPHASE FLOWS ACROSS ADAPTIVE HYDRAULIC INFRASTRUCTURES
von: Researcher
Veröffentlicht: (2025)

Non-normal spectral signatures of instability in neural network training dynamics
von: Ghosh, Souvik
Veröffentlicht: (2026)

Finite-time Lyapunov exponents of deep neural networks
von: Storm, L., et al.
Veröffentlicht: (2023)

Pruning-induced phases in fully-connected neural networks: the eumentia, the dementia, and the amentia
von: Pan, Haining, et al.
Veröffentlicht: (2026)

Statistical physics analysis of graph neural networks: Approaching optimality in the contextual stochastic block model
von: Duranthon, O., et al.
Veröffentlicht: (2025)

DEPLOYING LIGHTWEIGHT MOBILENET MODELS ON EDGE DEVICES FOR ENERGY EFFICIENT REAL TIME AI IN IOT NETWORKS
von: Journal of Theoretical and Applied Information Technology
Veröffentlicht: (2025)

Direct comparison of stochastic driven nonlinear dynamical systems for combinatorial optimization
von: Hou, Junpeng, et al.
Veröffentlicht: (2025)

Emergent weight morphologies in deep neural networks
von: de Jong, Pascal, et al.
Veröffentlicht: (2025)

High-dimensional learning of narrow neural networks
von: Cui, Hugo
Veröffentlicht: (2024)

Supervised and Unsupervised protocols for hetero-associative neural networks
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2025)

Deep neural networks from the perspective of ergodic theory
von: Zhang, Fan
Veröffentlicht: (2023)

Computing frustration and near-monotonicity in deep neural networks
von: Wendin, Joel, et al.
Veröffentlicht: (2025)

High-Dimensional Analysis of Gradient Flow for Extensive-Width Quadratic Neural Networks
von: Martin, Simon, et al.
Veröffentlicht: (2026)

Asymptotic Dynamics of Alternating Minimization for Bilinear Regression
von: Okajima, Koki, et al.
Veröffentlicht: (2024)

Training neural networks with structured noise improves classification and generalization
von: Benedetti, Marco, et al.
Veröffentlicht: (2023)

How does training shape the Riemannian geometry of neural network representations?
von: Zavatone-Veth, Jacob A., et al.
Veröffentlicht: (2023)

Generalized hetero-associative neural networks
von: Agliari, Elena, et al.
Veröffentlicht: (2024)

Competition, stability, and functionality in excitatory-inhibitory neural circuits
von: Betteti, Simone, et al.
Veröffentlicht: (2025)

Boundary between noise and information applied to filtering neural network weight matrices
von: Staats, Max, et al.
Veröffentlicht: (2022)

Adaptive kernel predictors from feature-learning infinite limits of neural networks
von: Lauditi, Clarissa, et al.
Veröffentlicht: (2025)

Critical feature learning in deep neural networks
von: Fischer, Kirsten, et al.
Veröffentlicht: (2024)

SaeGraphDTI: drug-target interaction prediction based on sequence attribute extraction and graph neural network.
von: Zhang, Qiaosheng, et al.
Veröffentlicht: (2025)

Properties of the geometry of solutions and capacity of multi-layer neural networks with Rectified Linear Units activations
von: Baldassi, Carlo, et al.
Veröffentlicht: (2019)

Implicit bias produces neural scaling laws in learning curves, from perceptrons to deep networks
von: D'Amico, Francesco, et al.
Veröffentlicht: (2025)

Improving deep neural network performance through sampling
von: Ghantasala, Lakshmi A., et al.
Veröffentlicht: (2025)

Partial annealing and pattern decorrelation in associative neural networks
von: Albanese, Linda, et al.
Veröffentlicht: (2026)

Solution space and storage capacity of fully connected two-layer neural networks with generic activation functions
von: Nishiyama, Sota, et al.
Veröffentlicht: (2024)

Bayesian Hierarchical Model for Evaluating Cost-Effectiveness in District Hospitals Systems, South Africa
von: Mphahlele, Natilea
Veröffentlicht: (2005)

Instant prediction of relaxation in moiré superlattices using neural networks
von: Belonovskii, Aleksei V., et al.
Veröffentlicht: (2025)

Arbitrage equilibrium and the emergence of universal microstructure in deep neural networks
von: Venkatasubramanian, Venkat, et al.
Veröffentlicht: (2024)

Sharp description of local minima in the loss landscape of high-dimensional two-layer ReLU neural networks
von: Huang, Jie, et al.
Veröffentlicht: (2026)

Structure of activity in multiregion recurrent neural networks
von: Clark, David G., et al.
Veröffentlicht: (2024)

Statistical physics of complex systems: glasses, spin glasses, continuous constraint satisfaction problems, high-dimensional inference and neural networks
von: Urbani, Pierfrancesco
Veröffentlicht: (2024)

Renormalization group for deep neural networks: Universality of learning and scaling laws
von: Coppola, Gorka Peraza, et al.
Veröffentlicht: (2025)

Programmable polyaniline nano neural network. A simple physical model
von: Langer, Jerzy J.
Veröffentlicht: (2024)

Phase transitions from linear to nonlinear information processing in neural networks
von: Matsumura, Masaya, et al.
Veröffentlicht: (2025)