대규모 생존 데이터에 대한 분산 학습 환경에서의 빠른 하위 표본 추출 알고리즘: DsubCox
대규모 생존 데이터에 대한 프라이버시 보호와 계산 부담 완화를 위해 최적 하위 표본 추출 기반의 분산 학습 접근법을 제안하였다.
분산 양자 컴퓨팅을 위한 공유 양자 게이트 처리 장치
개별 소규모 양자 컴퓨터를 공유 양자 게이트 처리 장치(S-QGPU)에 연결하는 분산 양자 컴퓨팅 아키텍처를 제안한다. S-QGPU는 원격 게이트 연산을 수행하는 하이브리드 두 큐비트 게이트 모듈의 집합으로 구성된다. 기존 분산 양자 컴퓨팅 시스템과 달리, S-QGPU 기반 아키텍처는 통신 큐비트와 같은 자원을 공유함으로써 개별 양자 컴퓨터와 전체 분산 시스템의 비용을 크게 줄일 수 있다. 또한 S-QGPU에서 수행되는 원격 게이트 연산은 결정론적이다.
수직 연합 학습 시스템의 신속한 프로토타이핑을 위한 Stalactite 도구 상자
Stalactite는 연구자들이 알고리즘에 집중할 수 있도록 하고 실제 분산 환경에서 수직 연합 학습 알고리즘을 배포할 수 있게 하는 오픈 소스 프레임워크입니다.
분산 시스템 모델 검사 및 검증을 위한 다중 수준 명세
본 연구는 ZooKeeper 분산 조정 시스템의 복잡한 동작을 정확하게 모델링하고 검증하기 위해 다중 수준의 명세를 작성하는 방법을 제안한다. 이를 통해 모델 검사의 확장성과 명세의 세부 수준 간의 균형을 달성할 수 있다.
결정론적 위원회 선출 경계: 분산 원장에서 분권화와 확장성 향상
분산 원장 시스템에서 합의 메커니즘은 확장성과 분권화에 중요한 영향을 미치며, 이를 위해 가중치 기반 무작위 선출 방식으로 대표 위원회를 구성하는 것이 핵심이다. 본 연구는 이러한 위원회 선출 과정에서 공정성과 분권화를 보장하는 새로운 방법론을 제안한다.
대규모 선형 시스템을 위한 고성능 분산 제어: 분할된 분산 관측기 접근법
분할된 분산 관측기를 통해 중앙 집중식 제어 성능을 임의로 근사할 수 있으며, 각 에이전트의 관측기 차원이 크게 감소한다.
정확도 손실 없는 프라이버시 보호 분산 최대 합의
제안된 접근 방식은 정확도를 손상시키지 않고 수동 및 도청 공격자에 대한 완벽한 개인 정보 보호를 보장합니다.
분산 시스템에서 조정 없이 운영 변환 기반의 협력적 복제
분산 시스템에서 명시적인 조정 메시지 없이도 복제 간 일관성을 유지하는 새로운 방법인 조정 없는 협력적 복제(CCR)를 소개한다.
실패한 작업자 노드를 완화하기 위한 동적 가중치 전략을 통한 분산 딥 러닝 최적화
분산 딥 러닝 시스템에서 작업자 노드 장애로 인한 문제를 해결하기 위해 동적 가중치 전략을 제안하였다.
자원 제한적인 모바일 및 엣지 클러스터에서의 분산 합성곱 신경망 학습
자원 제한적인 모바일 및 엣지 디바이스 클러스터에서 특징 맵 중심의 초기 CNN 레이어에 대한 분산 학습 방법을 제안한다. 타일링과 퓨징 기반의 분할 기법을 통해 메모리 사용량을 줄이고 병렬성을 높이며, 레이어 그룹화를 통해 계산과 통신의 균형을 조정한다.
© 2024 by Linnk AI