Intel（英特尔）

A Constrained RL Approach for Cost-Efficient Delivery of Latency-Sensitive Applications

一种用于延迟敏感应用高效交付的约束强化学习方法

Ozan Aygün, Vincenzo Norman Vitale, Antonia M. Tulino, Hao Feng, Elza Erkip, Jaime Llorca

机构 * NYU Wireless（纽约大学无线实验室） ； Intel Labs（英特尔实验室） ； Centre Tecnologic de Telecommunicacions de Catalunya (CTTC)（加泰罗尼亚电信技术中心） 纠错

AI总结 本文提出了一种基于约束深度强化学习的方法，用于在严格延迟约束下实现低成本的数据包交付，确保高可靠性与效率。

Comments 7 pages, 4 figures, accepted for publication in 2025 59th Asilomar Conference on Signals, Systems, and Computers

Large-Margin Hyperdimensional Computing: A Learning-Theoretical Perspective

大边距超维计算：一种学习理论视角

Nikita Zeulin, Olga Galinina, Ravikumar Balakrishnan, Nageen Himayat, Sergey Andreev

机构 * Tampere University（塔尔皮奥大学） ； Tampere Institute for Advanced Study（塔尔皮奥高级研究学院） ； Intel Corporation（英特尔公司） 纠错

AI总结 本文提出了一种基于最大边距的超维计算分类器，通过与支持向量机的联系，在多个基准数据集上超越基线方法，为资源受限应用提供更高效的解决方案。

Comments This work has been submitted to the IEEE for possible publication