Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Eine neue Methode reduziert den Energieverbrauch und verbessert gleichzeitig die Lernergebnisse in dezentralen Systemen.

Coded Computing bietet einen neuen Ansatz, um die Servereffizienz zu optimieren.

Erforschung der Optimierung von DNNs für Geräte mit begrenzter Energieversorgung.

Die Herausforderungen beim Bau von Rechenzentren für das Training grosser Sprachmodelle untersuchen.

DRLQ verbessert die Aufgabenverteilung für Quantenressourcen und steigert die Effizienz im Cloud-Computing.

Dieser Artikel untersucht die Vorteile von FP8 im föderierten Lernen.

Strategien zur Minimierung von Kohlenstoffemissionen in Rechenzentren durch verbesserte Vorhersagen.

MIREncoder verbessert die Code-Optimierung mit multi-modalen Repräsentationen und maschinellem Lernen.

Ein formeller Ansatz zur Überprüfung der Richtigkeit von DAG-basierten Konsensprotokollen.

Ein neues System beschleunigt die Bilderstellung, ohne die Qualität zu beeinträchtigen.

Ein neues Framework verbessert das föderierte Lernen und sorgt gleichzeitig für Datensicherheit.

Ein neues System verbessert das Bereitstellen von ML-Modellen, indem es Genauigkeit und Hardware-Skalierung kombiniert.

Diese Methode verbessert die Kommunikations-Effizienz im föderierten Lernen und schützt gleichzeitig die Datensicherheit.

Eine Methode zum Berechnen von Durchschnitten, während die Knotendaten privat bleiben.

Ein neues System zielt darauf ab, die Geschwindigkeit und Effizienz bei der Analyse genetischer Daten zu verbessern.

Edge-AI verarbeitet Daten näher an ihrer Quelle, was Geschwindigkeit und Sicherheit verbessert.

Forschung hebt Strategien hervor, um den Energieverbrauch bei grossen Sprachmodellen zu senken.

Ein Blick auf Netzgrids, ihre Komponenten und Managementstrategien.

Neue Methode verbessert die Modellleistung bei unbekannten Daten.

Neue Techniken verbessern die Trainingsgeschwindigkeit für Deep-Learning-Empfehlungsmodelle.

Dieser Artikel behandelt wichtige Techniken zum effektiven Komprimieren grosser wissenschaftlicher Datensätze.

Diese Studie untersucht, wie das Netzwerk-Layout das dezentrale föderierte Lernen unter byzantinischen Bedrohungen beeinflusst.

Dieser Artikel untersucht neue Methoden zur Simulation von Fluidströmungen mit GPU-Technologie.

pFedDIL verbessert das maschinelle Lernen, indem es Wissen behält und sich an neue Aufgaben anpasst.

Eine Übersicht über Cloud- und On-Premise-AI-Infrastrukturen.

Diese Studie zeigt, wie geteilte Zufälligkeit die Effizienz beim Lösen lokaler verteilter Probleme verbessert.

Dieser Artikel behandelt die Verbesserung der Fehlertoleranz in hybriden Workflows mithilfe von Wiederherstellungsmethoden.

Ein schlanker Ansatz zur Implementierung von Orthogonal Matching Pursuit für spärliche Lösungen.

Eine Methode, um das Deep Learning auf Geräten mit begrenzten Ressourcen zu verbessern.

Ein Überblick über die Interaktionen in Cyber-Physischen Systemen und deren Auswirkungen.

Eine neue Methode geht die Datenprobleme in der KI für das Gesundheitswesen an.

Lerne, wie Softwareentwicklung zu energieeffizienten Praktiken in der Technologie führen kann.

BoostCom beschleunigt Vergleichsaufgaben in FHE und verbessert die Effizienz für verschlüsselte Daten.

Eine neue Methode macht die Analyse von Ursache-Wirkung-Beziehungen effizienter und leichter handhabbar.

Ein Leitfaden zu verschiedenen Kubernetes-Setups und deren Funktionen.

Neue Methode verbessert die Effizienz bei der Lösung von Optimalsteuerungsproblemen mit PDEs.

Eine neue Methode, um Arbeitslasten effizient zu verwalten, indem die Nutzung der Kerne optimiert wird.

Erkunde die Grundlagen des Föderierten Lernens und seine Bedeutung für den Datenschutz.

Ein formeller Ansatz, um Zuverlässigkeit in zustandsbehafteten Datenfluss-Systemen wie Apache Flink zu gewährleisten.

Eine Studie, die hierarchische Inferenz mit traditionellen Methoden in Edge-Geräten vergleicht.