EMA: efficiënte modeladaptatie voor op leren gebaseerde systemen

Machine learning wordt steeds vaker ingezet om systeemprestaties te optimaliseren bij taken zoals resourcebeheer en netwerksimulatie. Anders dan bij traditionele ML-taken zoals beeldclassificatie opereren genetwerkte systemen vaak in heterogene, langlopende en dynamische omgevingscondities, waarbij invoercondities zoals netwerkbelasting en operationele doelstellingen in de loop van de tijd en per context kunnen verschuiven. Bestaande leer-gebaseerde systemen bieden hier nog weinig ondersteuning voor.