Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

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.

Kürzliche Entwicklungen verbessern die Geschwindigkeit und Effizienz bei Quantenstromsimulationen.

Ein neues Framework für effizientes Training von Sprachmodellen über mehrere Computer hinweg.

Benutzung von nutzerbezogener differenzieller Privatsphäre beim Training von grossen Sprachmodellen.

Die Vorteile von Federated Learning zur Anomalieerkennung in IoT-Netzwerken erkunden.

EFVFL bietet eine stabile Methode für effiziente Kommunikation, ohne private Daten zu teilen.

Forschung hebt die Robustheit von Modellen und Verteidigungen im dezentralen föderierten Lernen hervor.

Eine Studie zur Verbesserung der Aufgabenverteilung und der Jobplanung für mehr Effizienz.

Dieser Artikel behandelt die Bedeutung von Hashing-Algorithmen in der Blockchain-Technologie.

Eine neue Methode zur Verbesserung der Aufgabenplanung in komplexen wissenschaftlichen Workflows.

StatuScale verbessert das Ressourcenmanagement für Mikrodienste und geht effektiv auf plötzliche Arbeitslastanforderungen ein.

Ein Blick auf eine neue Methode für besseres Ressourcenmanagement in Microservices.

Ein neuer Ansatz zur Erkennung von Anomalien in IoT-Geräten mithilfe von kollaborativem Lernen.

Federated Learning verbessert die medizinische Bildgebung und schützt dabei die Patientendaten.

Ein neues Framework soll Leistungsprobleme für latenzkritische Dienste reduzieren.

Neue Zähltechniken verbessern die Analyse grosser genomischer Datensätze.

Eine neue Methode verbessert die Effizienz von Deep Learning für Edge-Geräte.

Ein neuer Ansatz, um die Tail-Latenz in Anwendungen mit einem dynamischen Thread-Pool zu reduzieren.

Dieses Papier analysiert die Bedeutung von Auto-Tuning für AMD GPUs im Hochleistungsrechnen.

Octopus macht wissenschaftliche Prozesse einfacher durch eine effektive events-basierte Architektur.

Ein Rahmenwerk zur Bewertung von Federated Learning-Modellen in realen Szenarien.

Ein verteiltes Schlüssel-Wert-Speicher einführen, um die Datensicherheit in Cloud-Umgebungen zu verbessern.

Strategien für effektive Platzierung von Container-Images in Cloud-Edge-Netzwerken.

Die Forschung konzentriert sich darauf, LLMs effizienter für den praktischen Einsatz zu machen.

Lern, wie der Umstieg auf Mikrodienste die Softwareleistung und Flexibilität verbessern kann.

Ein neues Framework verbessert das Training von Deep Learning, indem es Hardware und Aufgabenmanagement integriert.

FedDM verbessert das föderierte Lernen für Diffusionsmodelle und sorgt gleichzeitig für Datenschutz.

Methoden zur Optimierung der Leistung beim Training und der Inferenz grosser Sprachmodelle.

Burst-Computing verbessert die Effizienz bei plötzlichen, grossangelegten Cloud-Verarbeitungsaufgaben.

Ein Blick auf Föderiertes Lernen und seine Rolle beim Schutz von Nutzerdaten.

Neue Methoden senken die Kommunikationskosten für schnellere Datenwissenschaftsberechnungen.

Neue Methoden verbessern Netzwerkverbindungstests mithilfe von stochastischen Distanzmessungen.

Eine neue Methode verbessert die Sicherheit von Smart Grids und schützt gleichzeitig die Privatsphäre der Nutzer.

Ein Blick auf Fehlergrenzen und zuverlässige Kompressionsmethoden in der wissenschaftlichen Forschung.