Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Erforschung der Schnittstelle zwischen Blockchain und föderiertem Lernen für Datenschutz und Sicherheit.

THEMIS verbessert Fairness und Effizienz bei der Ressourcenplanung für Multi-Tenant-FPGAs.

FedD2S verbessert Federated Learning, indem es Modelle personalisiert und gleichzeitig die Datensicherheit wahrt.

Ein Framework zum Trainieren von Machine Learning-Modellen, während die Privatsphäre geschützt wird.

Ein neues Framework soll die Interoperabilität und Effizienz von DSLs im HPC verbessern.

Ein System, das Berechnungen für spärliche Matrizen mit blockierter Speicherung optimiert.

Dieses Paper diskutiert das Potenzial von DAOS zur Verbesserung des Datenmanagements für Wettervorhersagen.

Die Forschung konzentriert sich darauf, Transformer für kleine Geräte mit begrenzten Ressourcen zu optimieren.

Lern, wie Historienbäume die Interaktionen von Agenten in dynamischen Netzwerken verbessern.

MOPAR verbessert die Effizienz und Kosteneffektivität von Deep-Learning-Inferenz auf serverlosen Plattformen.

Synthetic Data ermöglicht es Unternehmen, Erkenntnisse zu teilen und gleichzeitig sensible Informationen zu schützen.

Eine Studie zur Verbesserung der GPU-Leistung für Stencil-Berechnungen in wissenschaftlichen Anwendungen.

Erfahre, wie Sharding die Datenbankleistung und Effizienz verbessert.

Ein neuer Algorithmus verbessert die Leistung und Zuverlässigkeit bei der Replikation von Zustandsmaschinen über Weitverkehrsnetze.

Ein neuer Ansatz, um die Softwareleistung durch dynamische Abstimmungsmethoden zu verbessern.

Smart HPA verbessert die Effizienz der Skalierung von Mikrodiensten in ressourcenlimitierten Umgebungen.

Neuer Kurs kombiniert Quanten- und klassische Computer für die Zukunft.

Ein neues leichtes Modell verbessert die Zielerkennung in synthetischen Aperturradarbildern.

Forscher verbessern die Modellierung von Gauss-Prozessen mit der Vecchia-Approximation und GPU-Technologie.

Ein Framework geht die Herausforderungen der Energie Messung in Cloud-Umgebungen für umweltfreundlicheres Rechnen an.

AFedPG verbessert die Effizienz im föderierten Reinforcement Learning durch asynchrone Updates.

Bedrohungen und Abwehrmechanismen im föderierten Lernen gegen bösartige Angriffe analysieren.

Lerne, wie verteilte Graphverarbeitung komplexe Datensätze über mehrere Systeme verwaltet.

Neue Studie bewertet Optimierungsalgorithmen auf PIM, um die Effizienz von maschinellem Lernen zu verbessern.

Entdecke, wie CXL-Emulation das Speichermanagement in Computersystemen verändern kann.

Entdecke, wie GPU-Technologie die Effizienz von PageRank für dynamische Netzwerke verbessert.

Entdecke, wie RELMAS das DNN-Task-Management in Cloud-Umgebungen verbessert.

Ein neuer Ansatz, der Verstärkendes Lernen nutzt, um die Effizienz der HPC-Jobplanung zu verbessern.

NOSTR bringt einen Marktplatz für Nutzer, um KI-Modelle effektiv zu trainieren.

Ein Blick auf neue Methoden zur Optimierung der Leistung von KI-Code.

Eine Studie über die Verwaltung von Datenstrukturen für effizienten Mehrbenutzerzugriff.

Ein neuer Ansatz, um e-Health durch bessere Datenverwaltung und Patientenschutz zu verbessern.

Ein neuer Algorithmus verbessert das föderierte Lernen, indem er die Vielfalt der Clients und die Effizienz berücksichtigt.

FastTuckerPlus beschleunigt die Analyse von spärlichen Tensoren mithilfe von lokaler Suche und GPU-Technologie.

Hier ist FedFisher, ein innovativer Algorithmus für effizientes föderiertes Lernen.

Eine Studie über die Nutzung von Quantenannealing für effektives Load Balancing in Computersystemen.

Eine Studie, die die Herausforderungen der Zentralisierung bei Proof-of-Stake-Bootstrapping-Methoden untersucht.

Eine neue Methode verbessert die Effizienz beim Umgang mit Anfragen für grosse Sprachmodelle.

Eine Methode zum Schutz der Datensicherheit in dezentralen Lernsystemen mithilfe von virtuellen Knoten.

Erforschen, wie Quantencomputing die Effizienz und Genauigkeit von wissenschaftlicher Forschung verbessert.