Informática - Computação distribuída, paralela e em cluster

A computação centrada na memória muda o processamento de dados ao aproximar a computação do armazenamento de dados.

Analisando o potencial do Aprendizado Federado em dispositivos IoT e de borda.

Uma nova estrutura melhora a velocidade e a eficiência do aprendizado federado enquanto protege a privacidade.

Analisando o papel de estruturas de dados compactas em melhorar a eficiência da computação de borda.

Esse artigo apresenta um método pra sincronização de visão eficiente entre processos em sistemas.

Este artigo explora os benefícios e desafios do aprendizado federado descentralizado.

Uma olhada no BNRA e o problema da coberturabilidade para a coordenação de agentes.

Uma olhada em como garantir a confiabilidade em estruturas de dados auditáveis.

Melhorando a eficiência da comunicação em aplicações complexas de computação paralela.

DVFO melhora a eficiência energética e a velocidade de processamento para dispositivos de borda em IoT.

FedMSA melhora o aprendizado federado ao aumentar a comunicação e a eficiência no treinamento descentralizado.

O framework GPT-FL melhora o aprendizado federado usando dados sintéticos.

Um olhar sobre o Narwhal e o Bullshark pra ter consenso mais rápido e confiável.

Uma nova abordagem prevê o desempenho de compressão com perda para conjuntos de dados científicos, melhorando a gestão de dados.

Sistemas de memória desagregados otimizam o uso de recursos em ambientes de computação de alto desempenho.

Explorando como agentes podem melhorar a tomada de decisões através da colaboração.

Explorando novos métodos pra melhorar a eficiência do aprendizado descentralizado enquanto garante a privacidade dos dados.

Uma plataforma poderosa feita pra facilitar e agilizar o processamento de dados.

O JOSS otimiza o uso de energia em aplicações baseadas em tarefas ao considerar CPU e memória juntas.

Esse artigo apresenta uma solução firme pra comunicação confiável em sistemas distribuídos.

Métodos de particionamento inovadores melhoram a eficiência do solucionador SMT para problemas complexos.

Uma nova abordagem reduz o consumo de energia no compartilhamento de imagens através da geração local.

FedSMOO melhora o aprendizado federado ao lidar com a diversidade de dados e problemas de comunicação.

Novos algoritmos melhoram a análise de conjuntos de dados complexos e de alta dimensão.

Pesquisa sobre algoritmos para encontrar os caminhos mais curtos em modelos de grafos distribuídos.

Um estudo de caso sobre testes funcionais e de carga para sistemas de microserviços.

Análise das interações dos agentes e horários de reuniões em passeios aleatórios não atômicos.

Um modelo para melhores previsões de operações de I/O em ambientes Linux.

Os Objetos Digitais FAIR têm como objetivo melhorar o gerenciamento e o compartilhamento de dados de pesquisa.

Um olhar sobre a consistência causal em sistemas de dados distribuídos usando codificação de apagamento.

Um guia pra melhorar o desempenho da GPU através de permutações de array eficientes.

Apresentando um método confiável para gerenciar árvores dinâmicas sem aleatoriedade.

Saiba como o RAID melhora a confiabilidade e o desempenho dos sistemas de armazenamento.

A DistSim analisa estratégias de treinamento híbrido, melhorando a eficiência e reduzindo custos.

Novos algoritmos melhoram o desempenho do modelo em aprendizado federado por meio de um agrupamento eficaz de clientes.

Uma nova maneira de aumentar a visibilidade entre robôs móveis autônomos.

Novos métodos melhoram o aprendizado federado personalizado, mantendo a privacidade dos dados.

Um novo padrão pra combinar tipos de dados enquanto prioriza a privacidade do usuário.

MementoHash oferece uma distribuição de dados eficiente entre nós em ambientes na nuvem.

O Fedstellar permite o treinamento seguro e eficiente de modelos de aprendizado de máquina entre dispositivos.