Informática - Computación distribuida, paralela y en clústeres

Una mirada a cómo las ciudades inteligentes gestionan recursos mientras cumplen con límites estrictos.

GOC-Ledger simplifica la gestión de activos digitales sin consenso, ofreciendo rapidez y beneficios de costos.

Lograr interoperabilidad entre las CBDCs para mejorar las transacciones y la confianza en el sistema financiero.

Explorando el aprendizaje federado y el método de puntos interiores para un entrenamiento de modelo efectivo.

Un nuevo sistema mejora la velocidad de entrenamiento de GNN usando núcleos adaptativos para diferentes secciones del gráfico.

Un nuevo decodificador mejora la velocidad y eficiencia de la corrección de errores cuánticos.

Nuevas estrategias mejoran el aprendizaje federado en el borde al reducir los retrasos en la transmisión de datos.

Un marco para desarrollar políticas personalizadas usando datos observacionales mientras se garantiza la privacidad.

Un nuevo marco optimiza algoritmos de grafos dinámicos para mejor rendimiento y uso de memoria.

Este artículo habla sobre métodos para mejorar la eficiencia de la comunicación en el aprendizaje dividido, sin afectar el rendimiento del modelo.

Este artículo habla sobre el papel de los modelos de Equilibrio Profundo en el aprendizaje federado.

Aprende cómo los sistemas CPU-GPU mejoran las simulaciones de dinámica de fluidos.

Un nuevo marco para el aprendizaje federado se adapta a los datos cambiantes mientras garantiza la privacidad.

Nuevos modelos mejoran la comunicación aire-tierra usando aprendizaje federado y redes neuronales generativas.

Los satélites están cambiando la computación con capacidades de procesamiento en tiempo real en el espacio.

Una nueva representación gráfica mejora la forma en que el aprendizaje automático analiza los lenguajes de programación.

Un enfoque fresco a las matemáticas usando datos puros y secuencias finitas.

La computación centrada en la memoria cambia el procesamiento de datos al acercar la computación al almacenamiento de datos.

Examinando el potencial del Aprendizaje Federado en dispositivos IoT y de borde.

Un nuevo marco mejora la velocidad y eficiencia del aprendizaje federado mientras protege la privacidad.

Examinando el papel de las estructuras de datos compactas en la mejora de la eficiencia de la computación en el borde.

Este artículo presenta un método para la sincronización eficiente de vistas entre procesos en sistemas.

Este artículo explora los beneficios y desafíos del aprendizaje federado descentralizado.

Una mirada a BNRA y el problema de la cubribilidad para la coordinación de agentes.

Una mirada a asegurar la confiabilidad en estructuras de datos auditables.

Mejorando la eficiencia de comunicación en aplicaciones complejas de computación paralela.

DVFO mejora la eficiencia energética y la velocidad de procesamiento para dispositivos edge en IoT.

FedMSA mejora el aprendizaje federado al mejorar la comunicación y la eficiencia en el entrenamiento descentralizado.

El marco GPT-FL mejora el aprendizaje federado usando datos sintéticos.

Una mirada a Narwhal y Bullshark para un consenso más rápido y confiable.

Un nuevo enfoque predice el rendimiento de compresión con pérdida para conjuntos de datos científicos, mejorando la gestión de datos.

Los sistemas de memoria desagregada optimizan el uso de recursos en entornos de computación de alto rendimiento.

Explorando cómo los agentes pueden mejorar la toma de decisiones a través de la colaboración.

Explorando nuevas formas de mejorar la eficiencia del aprendizaje descentralizado mientras se garantiza la privacidad de los datos.

Una plataforma potente diseñada para procesar datos de manera fácil y rápida.

JOSS optimiza el uso de energía en aplicaciones basadas en tareas considerando la CPU y la memoria juntas.

Este documento presenta una solución sólida para la comunicación confiable en sistemas distribuidos.

Métodos de particionamiento innovadores mejoran la eficiencia de los solucionadores SMT para problemas complejos.

Un enfoque novedoso reduce el consumo de energía al compartir imágenes mediante generación local.

FedSMOO mejora el aprendizaje federado al abordar problemas de diversidad de datos y comunicación.