Kirjaudu sisään
näkemys - Drahtlose Kommunikation, Maschinelles Lernen
Effizienter Datenaustausch und Modellverarbeitung für maschinelles Lernen über drahtlose Kanäle
Der Artikel präsentiert ein neuartiges Split-Learning-Framework namens SplitMAC, das die Latenz von Split-Learning durch die gleichzeitige Übertragung von Daten über Mehrfachzugriffskanäle reduziert. Durch die Aufteilung der Geräte in Gruppen und die gleichzeitige Übertragung der zerkleinerten Daten und Gerätemodelle innerhalb derselben Gruppe können die Übertragungsverzögerungen erheblich verringert werden.
Effiziente drahtlose dezentralisierte Gradientenabstiegsoptimierung ohne Kohärenz
Ein neuartiger Algorithmus für dezentralisierte Gradientenabstiegsoptimierung in drahtlosen Systemen, der ohne Koordination zwischen den Knoten, Topologieinformationen oder Kanalzustandsinformationen auskommt und dennoch schnell konvergiert.
Tuotteet | Materiaalit
© 2024 by Linnk AI