前言 在一般的机器学习任务中，往往是通过batch的训练方法进行离线训练，然后线上进行预测，通常离线模型更新的时间在1天以上，这就使得模型不能及时学到实时的特征；另一方面，如果要进行实时训练的话，需要特征尽量稀疏，因为大规模的机器学习往往伴随着大量的参数，如果做不到特征计量稀疏的话，实时预估时延就会很大，这个时候就要用到online learning的一些方法，其目的是在提高训练参数稀疏性的同时

SIS架构图： 　　  　　SW Structure 　　 　　APP Event Flow ：消息分发流程 　　     UMF进程： int umf_main(int argc, char* argv[]){umf_Init();/* AFW initialize public module */AL_FW_Init(FW_MAIN_INIT, MAINAPP_FW_Callback,

RDA 展讯 9863A全网通4G全套量产软硬件资料及原厂硬件参考设计资料，可接受方案项目定制开发或项目定制开发量产后移交所有设计资料并协助客户达到量产852000620382578567SZ9889