基於聲明式交易方法解決區塊鏈上用戶編程交易的挑戰
本文提出了一種基於聲明式交易的區塊鏈交易框架，旨在解決智能合約在可用性、穩健性和性能方面的挑戰，並通過與智能合約的性能比較，展示了該方法在延遲和吞吐量方面的顯著優勢。
블록체인에서 사용자 프로그래밍 트랜잭션의 한계점: 선언적 트랜잭션 접근 방식 제안 및 성능 비교
본 논문에서는 블록체인에서 스마트 컨트랙트의 대안으로, 사용성, 견고성 및 성능이 향상된 선언적 트랜잭션 모델을 제안하고, 이를 구현한 SmartchainDB와 기존 스마트 컨트랙트 방식의 성능을 비교 분석하여 제안된 모델의 효율성을 입증합니다.
ブロックチェーンにおけるユーザー定義トランザクションの複雑さを抑制する：宣言型トランザクションアプローチ
本稿では、スマートコントラクトの柔軟性を維持しながら、その複雑さやパフォーマンスの課題を克服するために、宣言型トランザクションモデルを導入し、ブロックチェーンにおけるユーザー定義トランザクションの新たな枠組みを提案しています。
SmartchainDB: A Declarative Transaction Approach to Enhance Blockchain Usability and Performance
Declarative blockchain transactions, specifically implemented in SmartchainDB, offer a more efficient and user-friendly alternative to smart contracts, significantly improving performance and reducing complexity in blockchain applications.
在嘈雜的 PULL 模型中快速且穩健的信息傳播
在具有噪聲通訊的 PULL(h) 模型中，通過增加每個代理每次觀察的樣本數量 h，可以顯著加快信息傳播速度，從而彌補缺乏穩定通訊結構的不足。
잡음이 있는 PULL 모델에서 빠르고 강력한 정보 확산: 샘플 크기 증가를 통한 효율적인 정보 전파
잡음이 있는 분산 시스템에서 에이전트가 동시에 관찰하는 샘플 크기를 늘리면 정보 확산 속도가 선형적으로 빨라져, 통신 구조의 부족을 효과적으로 보완할 수 있습니다.
Fast and Robust Information Spreading in the Noisy PULL Model: How Increasing Sample Size Accelerates Consensus in Stochastic Environments
In stochastic communication environments, increasing the sample size of observed agents can linearly accelerate information spreading time, effectively compensating for the lack of stable communication structure.
大規模網路社群偵測的分散式偽似然估計方法
本文提出了一種名為分散式偽似然估計方法 (DPL) 的新型演算法，用於有效地在大規模網路中進行社群偵測。該方法利用區塊式分割技術將大型網路資料劃分到多個工作節點上，並透過迭代優化局部偽似然函數來識別社群結構，最終在主節點彙總結果。DPL 方法有效降低了傳統偽似然估計方法的計算複雜度，並具有良好的理論基礎和實驗驗證。
대규모 네트워크에서 커뮤니티 탐지를 위한 분산 의사 우도 방법
이 논문은 대규모 네트워크에서 커뮤니티 구조를 효율적으로 식별하기 위해 계산 및 저장 측면에서 효율적인 분산 의사 우도 (DPL) 방법을 제안합니다.
Distributed Pseudo-Likelihood Method for Efficient Community Detection in Large Networks
This paper introduces DPL, a distributed algorithm designed to efficiently detect community structures within large-scale networks by leveraging a block-wise splitting method and pseudo-likelihood estimation, significantly reducing computational complexity while maintaining accuracy.
© 2024 by Linnk AI