Informática - Computação distribuída, paralela e em cluster

Uma visão geral dos problemas de acordos de estabilização em computação distribuída.

Novos algoritmos melhoram as soluções para conjuntos independentes de peso máximo em grafos esparsos.

Combinar Aprendizado Federado com técnicas de privacidade protege dados sensíveis enquanto treina modelos.

Aprenda como os sistemas de tecnologia se comunicam e processam informações de forma eficaz.

Aprenda como novos métodos de poda melhoram a eficiência em redes neurais profundas sem perder a precisão.

Novos algoritmos melhoram a detecção de comunidades ao lidar com a conectividade em redes.

Um novo algoritmo melhora a eficiência de descarregamento de tarefas em ambientes de computação de borda móvel.

Estudo de como os agentes chegam a um acordo com comunicação limitada.

Seer otimiza o desempenho da GPU para cargas de trabalho irregulares usando métodos de previsão inteligentes.

Estratégias para distribuição eficaz de tarefas entre computadores em uma rede.

Um novo método melhora o consenso em sistemas distribuídos mesmo com barulho e falhas.

Analisando como os tipos de memória impactam a comunicação em sistemas distribuídos.

Soluções de monitoramento automatizado melhoram a eficiência e a confiabilidade dos serviços em nuvem.

A pesquisa examina melhorias em FPGA pra aumentar a eficiência na análise de risco de mercado.

Um método novo pra encontrar plexos máximos de forma eficiente em grandes conjuntos de dados.

Aprenda como vários computadores trabalham juntos para resolver problemas complexos de forma eficiente.

Soluções de contagem eficientes para aplicações modernas usando métodos aproximados.

Uma visão geral de como aproximar triângulos em gráficos dentro de redes distribuídas.

Uma visão geral da linearizabilidade forte e sua importância na programação concorrente.

Avaliação de métodos de vetor de estado e redes de tensor para simular sistemas quânticos.

Novos métodos melhoram a privacidade e a precisão em ambientes de computação segura.

Pesquisas mostram que limitar a potência das GPUs pode reduzir o consumo de energia e as temperaturas.

Um novo framework melhora o desempenho de GNN usando sistemas de Processamento em Memória.

FedUV melhora o desempenho do modelo em aprendizado federado com dados não IID.

Um método duplo pra treinar e usar modelos de linguagem de forma eficiente.

Plataforma descentralizada tem como objetivo garantir feedback verdadeiro dos usuários.

Esse artigo fala sobre um sistema flexível pra processar dados de forma eficiente em DRAM.

Uma visão geral do uso de containers e os desafios em configurações multi-cloud.

Uma nova estrutura de modelo melhora a eficiência e mantém a precisão nos sistemas de recomendação.

Estratégias para uma melhor alocação de recursos em plataformas serverless.

O GSL-LPA melhora a detecção de comunidades em grandes redes mantendo a conectividade.

Asyn2F melhora o aprendizado federado assíncrono pra um treino de modelo melhor e mais privacidade dos dados.

Um novo método usa aprendizado de máquina pra detectar erros em programas MPI de forma eficaz.

Um novo método melhora a eficiência do aprendizado federado usando estratégias de atualização dos clientes.

Um novo sistema melhora o desempenho dos LLMs, resolvendo problemas de latência e memória.

Analisando o desaprendizado federado e seus desafios na privacidade de machine learning.

Um novo framework melhora a análise em tempo real de gráficos dinâmicos usando memória persistente.

Enfrentando os desafios do aprendizado federado por causa dos dispositivos e dados diversos.

Uma olhada em como o paralelismo de modelo ajuda a treinar grandes redes neurais.

Uma nova abordagem melhora a recuperação de dados enquanto resolve preocupações de privacidade no aprendizado federado.