Studio Comparativo degli Algoritmi UCB nelle Reti Neurali Profonde Adattive

Un nuovo preprint su arXiv introduce quattro strategie aggiuntive di Upper Confidence Bound per le Reti Neurali Profonde Adattive (ADNN) nell'edge computing. Lo studio confronta UCB-V, UCB-Tuned, UCB-Bayes e UCB-BwK con lo standard UCB1, concentrandosi sui compromessi tra accuratezza, consumo energetico e latenza. Gli ambienti edge impongono vincoli severi, rendendo l'inferenza adattiva critica. Il lavoro si basa sul framework Multi-Armed Bandit per selezionare dinamicamente le soglie di confidenza ottimali per le uscite anticipate. Questa è la prima analisi comparativa di queste varianti UCB nelle ADNN.