cs.DC」カテゴリーアーカイブ

Low-Latency Task-Oriented Communications with Multi-Round, Multi-Task Deep Learning

要約 この論文では、送信側のエンコーダがデータの圧縮された潜在表現を学習し、その … 続きを読む

カテゴリー: cs.AI, cs.DC, cs.IT, cs.LG, cs.NI, eess.SP, math.IT | コメントする

Exploring GPU-to-GPU Communication: Insights into Supercomputer Interconnects

要約 急速に進化するエクサスケール スーパーコンピューターの状況では、マルチ G … 続きを読む

カテゴリー: C.2.1, cs.AI, cs.AR, cs.DC, cs.NI, cs.PF | コメントする

On the Convergence of Continual Federated Learning Using Incrementally Aggregated Gradients

要約 機械学習の究極の目標は、継続的フェデレーテッド ラーニング (CFL) を … 続きを読む

カテゴリー: cs.DC, cs.LG | コメントする

Efficient Federated Finetuning of Tiny Transformers with Resource-Constrained Devices

要約 近年、Transformer 構造を介した Large Language … 続きを読む

カテゴリー: cs.AI, cs.DC, cs.LG | コメントする

DistRL: An Asynchronous Distributed Reinforcement Learning Framework for On-Device Control Agents

要約 オンデバイス制御エージェント (特にモバイル デバイス上) は、モバイル … 続きを読む

カテゴリー: cs.AI, cs.DC, cs.LG, cs.SY, eess.SY | コメントする

Federated Learning under Periodic Client Participation and Heterogeneous Data: A New Communication-Efficient Algorithm and Analysis

要約 フェデレーテッド ラーニングでは、クライアントがいつでもトレーニングに参加 … 続きを読む

カテゴリー: cs.DC, cs.LG | コメントする

Enhancing Predictive Maintenance in Mining Mobile Machinery through a TinyML-enabled Hierarchical Inference Network

要約 変化する環境で稼働する鉱山機械は、高い摩耗と予測不可能なストレスに直面して … 続きを読む

カテゴリー: cs.DC, cs.LG, cs.MA, cs.NI, eess.SP | コメントする

Revisiting Ensembling in One-Shot Federated Learning

要約 フェデレーション ラーニング (FL) は、生データを共有せずに機械学習モ … 続きを読む

カテゴリー: cs.DC, cs.LG | コメントする

Programming Distributed Collective Processes in the eXchange Calculus

要約 モノのインターネット (IoT) などの最近のトレンドは、ほぼすべての種類 … 続きを読む

カテゴリー: cs.AI, cs.DC, cs.MA, cs.PL, D.1.3 | コメントする

IPMN Risk Assessment under Federated Learning Paradigm

要約 タイムリーな介入が必要な高リスク症例を特定するには、管内乳頭粘液性新生物 … 続きを読む

カテゴリー: cs.DC, cs.LG, eess.IV | コメントする