PrivAgE: Ein Werkzeugsatz für datenschutzfreundliche verteilte Aggregation auf Edge-Geräten
Ein Werkzeugsatz, der eine verteilte, datenschutzfreundliche Aggregation von Sensordaten auf Edge-Geräten ermöglicht, unter Berücksichtigung der begrenzten Ressourcen der Geräte.
Effiziente Parallelisierung des Forward-Forward-Algorithmus für verteiltes Deep Learning
Der Forward-Forward-Algorithmus bietet einen neuartigen Ansatz zum Training neuronaler Netze, der die Herausforderungen der herkömmlichen Backpropagation überwindet. Durch die Integration des Forward-Forward-Algorithmus in verteilte Deep-Learning-Systeme kann die Trainingseffizienz deutlich gesteigert werden.
Effiziente verteilte Optimierung mit doppelt regularisierter Drift-Korrektur
Dieser Artikel präsentiert einen Rahmen für verteilte Optimierung, der eine doppelt regularisierte Drift-Korrektur verwendet, um die Kommunikationskosten zu reduzieren und gleichzeitig die lokale Recheneffizienz zu verbessern.
Analyse der Leistungsfähigkeit dezentraler physischer Infrastrukturnetzwerke und zentralisierter Cloud-Dienste
Dezentrale physische Infrastrukturnetzwerke (DePIN) bieten das Potenzial, die Datensouveränität und Vertraulichkeit zu erhöhen sowie die Resilienz gegenüber Ausfällen einzelner Komponenten zu verbessern, im Vergleich zu zentralisierten Cloud-Diensten.
Verteilte Multimedia-Sensor-Ereignisanalyse: Effiziente Modellierung der Beziehungen zwischen Sensoren zur Erkennung von Ereignissen in komplexen Umgebungen
Ein neuer Ansatz zur Extraktion relevanter Informationen über Ereignisse aus fragmentierten und redundanten Beobachtungen verteilter Multimedia-Sensoren, ohne sich übermäßig auf bestimmte Sensoren zu verlassen.
Effiziente Berechnung von persistenter Homologie auf großen Datensätzen mithilfe eines verteilten Ansatzes
Ein neuartiger Algorithmus zur effizienten Berechnung von 0-dimensionaler persistenter Homologie auf 2D-Bildern, der den Speicherverbrauch minimiert und die Verarbeitungszeit optimiert. Zusätzlich wird eine verteilte Version des Algorithmus präsentiert, die große Bilderdatensätze parallel verarbeiten kann.
Beschleunigung von Microservices durch Umgehung des Netzwerks
Traditionelle RPC-Kommunikation verursacht zunehmend hohe Kosten in Microservice-Architekturen. Stattdessen schlagen wir einen netzwerkfreien Ansatz vor, der Nachrichten über einen gemeinsamen Speicherbereich austauscht, um die Kommunikationskosten deutlich zu reduzieren.
Ein flexibler und rekonfigurierbarer Algorithmus für linearisierbare Lesevorgänge
Chameleon ist ein generalisierter und rekonfigurierbarer Algorithmus für linearisierbare Lesevorgänge, der es Datenspeichern ermöglicht, zwischen verschiedenen Algorithmen für linearisierbare Lesevorgänge zur Laufzeit zu wechseln.
Skalierung verteilter Protokolle durch regelbasierte Umschreibungen
Durch Anwendung regelbasierter Umschreibungen können verteilte Protokolle wie 2PC und Paxos skaliert werden, ohne dass zusätzliche Koordination erforderlich ist.
Lumiere: Ein optimales BFT-Protokoll für partielle Synchronität
Lumiere ist ein optimistisch responsives BVS-Protokoll für das Modell partieller Synchronität, das eine optimale Worst-Case-Kommunikationskomplexität von O(n^2) und eine optimale Worst-Case-Latenz von O(nΔ) aufweist, sowie eine glatt optimistisch responsive Eigenschaft.
© 2024 by Linnk AI