-
最近の投稿
- Learning to Drive Anywhere with Model-Based Reannotation11
- KineSoft: Learning Proprioceptive Manipulation Policies with Soft Robot Hands
- CityNavAgent: Aerial Vision-and-Language Navigation with Hierarchical Semantic Planning and Global Memory
- Closing the Loop: Motion Prediction Models beyond Open-Loop Benchmarks
- Adaptive Stress Testing Black-Box LLM Planners
-
最近のコメント
表示できるコメントはありません。 cs.AI (37890) cs.CL (28643) cs.CV (43507) cs.HC (2900) cs.LG (42826) cs.RO (22521) cs.SY (3457) eess.IV (5045) eess.SY (3449) stat.ML (5583)
「C.2.4」カテゴリーアーカイブ
A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning
要約 Federated Learningは、分散型デバイスまたはサーバーのトレ … 続きを読む
An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy
要約 Federated Learning（FL）は、グローバルスケールでのプラ … 続きを読む
An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy
要約 Federated Learning（FL）は、グローバルスケールでのプラ … 続きを読む
Safe Distributed Control of Multi-Robot Systems with Communication Delays
要約 マルチロボットシステムの安全な動作は、特に海底マッピング用の水中、ナビゲー … 続きを読む
A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning
要約 フェデレーテッド ラーニングは、分散型デバイスまたはサーバー上でモデルのト … 続きを読む
Decentralized Mobile Target Tracking Using Consensus-Based Estimation with Nearly-Constant-Velocity Modeling
要約 モバイルターゲット追跡は、監視や自律ナビゲーションなどのさまざまなアプリケ … 続きを読む
Topology-Based Reconstruction Prevention for Decentralised Learning
要約 分散型学習は、データと調整の両方が分散される連合学習に代わるものとして、最 … 続きを読む
Scalable Training of Trustworthy and Energy-Efficient Predictive Graph Foundation Models for Atomistic Materials Modeling: A Case Study with HydraGNN
要約 HydraGNNは、多頭のグラフ畳み込みニューラルネットワークアーキテクチ … 続きを読む
カテゴリー: 68T07, 68T09, C.2.4, cs.LG, physics.comp-ph
Scalable Training of Trustworthy and Energy-Efficient Predictive Graph Foundation Models for Atomistic Materials Modeling: A Case Study with HydraGNN はコメントを受け付けていません
Final Report for CHESS: Cloud, High-Performance Computing, and Edge for Science and Security
要約 理論と実験のサイクルを自動化するには、実験室の機器、エッジ センサー、複数 … 続きを読む
Federated Learning and AI Regulation in the European Union: Who is Responsible? — An Interdisciplinary Analysis
要約 欧州連合の人工知能法では、多額の罰金を回避するために機械学習アプリケーショ … 続きを読む