「cs.DC」カテゴリーアーカイブ

AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks

投稿日: 2024年5月24日 作成者: jarxiv

要約 ディープ ニューラル ネットワークの複雑さの増大により、リソースが限られた … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG | AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks はコメントを受け付けていません

Decentralized Federated Learning Over Imperfect Communication Channels

投稿日: 2024年5月22日 作成者: jarxiv

要約 この論文では、不完全な通信チャネルが分散型フェデレーテッド ラーニング ( … 続きを読む →

カテゴリー: cs.DC, cs.IT, cs.LG, math.IT | Decentralized Federated Learning Over Imperfect Communication Channels はコメントを受け付けていません

AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks

投稿日: 2024年5月22日 作成者: jarxiv

要約 ディープ ニューラル ネットワークの複雑さの増大により、リソースが限られた … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG | AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks はコメントを受け付けていません

Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach

投稿日: 2024年5月21日 作成者: jarxiv

要約 フェデレーション ラーニング (FL) は、ユーザーの機密データを開示する … 続きを読む →

カテゴリー: cs.DC, cs.IT, cs.LG, eess.SP, math.IT | Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach はコメントを受け付けていません

Parallelization of the K-Means Algorithm with Applications to Big Data Clustering

投稿日: 2024年5月21日 作成者: jarxiv

要約 LLoyd のアルゴリズムを使用した K-Means クラスタリングは、指 … 続きを読む →

カテゴリー: cs.DC, cs.LG | Parallelization of the K-Means Algorithm with Applications to Big Data Clustering はコメントを受け付けていません

On the Communication Complexity of Decentralized Bilevel Optimization

投稿日: 2024年5月21日 作成者: jarxiv

要約 分散二値最適化は機械学習に広く応用されているため、ここ数年積極的に研究され … 続きを読む →

カテゴリー: cs.DC, cs.LG, math.OC | On the Communication Complexity of Decentralized Bilevel Optimization はコメントを受け付けていません

The Future of Large Language Model Pre-training is Federated

投稿日: 2024年5月20日 作成者: jarxiv

要約 生成事前トレーニングされた大規模言語モデル (LLM) は、前例のない量の … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG | The Future of Large Language Model Pre-training is Federated はコメントを受け付けていません

Cross-Silo Federated Learning Across Divergent Domains with Iterative Parameter Alignment

投稿日: 2024年5月20日 作成者: jarxiv

要約 プライベート ソースに分散されたデータの集合的な知識から学習することで、強 … 続きを読む →

カテゴリー: cs.CV, cs.DC, cs.LG | Cross-Silo Federated Learning Across Divergent Domains with Iterative Parameter Alignment はコメントを受け付けていません

Testing learning-enabled cyber-physical systems with Large-Language Models: A Formal Approach

投稿日: 2024年5月17日 作成者: jarxiv

要約 機械学習 (ML) をサイバーフィジカル システム (CPS) に統合する … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.RO, cs.SE | Testing learning-enabled cyber-physical systems with Large-Language Models: A Formal Approach はコメントを受け付けていません

The Effect of Quantization in Federated Learning: A Rényi Differential Privacy Perspective

投稿日: 2024年5月17日 作成者: jarxiv

要約 Federated Learning (FL) は、分散データを使用したプ … 続きを読む →

カテゴリー: cs.CR, cs.DC, cs.LG | The Effect of Quantization in Federated Learning: A Rényi Differential Privacy Perspective はコメントを受け付けていません