:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agarwal, Siddharth, Rodriguez, Maria A., Buyya, Rajkumar
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence Systems and Control
Online-Zugang:	https://arxiv.org/abs/2308.07541
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Deep Recurrent-Reinforcement Learning Method for Intelligent AutoScaling of Serverless Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2023)

Input-Based Ensemble-Learning Method for Dynamic Memory Configuration of Serverless Computing Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2024)

Saarthi: An End-to-End Intelligent Platform for Optimising Distributed Serverless Workloads
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2025)

Green or Fast? Learning to Balance Cold Starts and Idle Carbon in Serverless Computing
von: Sun, Bowen, et al.
Veröffentlicht: (2026)

MQFQ-Sticky: Fair Queueing For Serverless GPU Functions
von: Fuerst, Alexander, et al.
Veröffentlicht: (2025)

Accuracy-Delay Trade-Off in LLM Offloading via Token-Level Uncertainty
von: Kim, Yumin, et al.
Veröffentlicht: (2026)

Taming Serverless Cold Starts Through OS Co-Design
von: Holmes, Ben, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning (DRL)-based Methods for Serverless Stream Processing Engines: A Vision, Architectural Elements, and Future Directions
von: Read, Maria R., et al.
Veröffentlicht: (2024)

A Joint Time and Energy-Efficient Federated Learning-based Computation Offloading Method for Mobile Edge Computing
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Approach for Cost Optimized Workflow Scheduling in Cloud Computing Environments
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

Reinforcement Learning based Workflow Scheduling in Cloud and Edge Computing Environments: A Taxonomy, Review and Future Directions
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

ReinFog: A Deep Reinforcement Learning Empowered Framework for Resource Management in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

QFaaS: A Serverless Function-as-a-Service Framework for Quantum Computing
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2022)

A Decentralized Root Cause Localization Approach for Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2025)

DistRL: An Asynchronous Distributed Reinforcement Learning Framework for On-Device Control Agents
von: Wang, Taiyi, et al.
Veröffentlicht: (2024)

iAnomaly: A Toolkit for Generating Performance Anomaly Datasets in Edge-Cloud Integrated Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2024)

A Cascaded Graph Neural Network for Joint Root Cause Localization and Analysis in Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2026)

VREM-FL: Mobility-Aware Computation-Scheduling Co-Design for Vehicular Federated Learning
von: Ballotta, Luca, et al.
Veröffentlicht: (2023)

GraphFlash: Enabling Fast and Elastic Graph Processing on Serverless Infrastructure
von: Zhao, Chen, et al.
Veröffentlicht: (2026)

Word Frequency Counting Based on Serverless MapReduce
von: Li, Hanzhe, et al.
Veröffentlicht: (2026)

Sustainability of Data Center Digital Twins with Reinforcement Learning
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2024)

TrustMesh: A Blockchain-Enabled Trusted Distributed Computing Framework for Open Heterogeneous IoT Environments
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2024)

From Barrier to Bridge: The Case for AI Data Center/Power Grid Co-Design
von: Bashir, Noman, et al.
Veröffentlicht: (2026)

Multi-Agentic AI for Fairness-Aware and Accelerated Multi-modal Large Model Inference in Real-world Mobile Edge Networks
von: Li, Haiyuan, et al.
Veröffentlicht: (2026)

Systemic approach for modeling a generic smart grid
von: Amor, Sofiane Ben, et al.
Veröffentlicht: (2025)

RLHFless: Serverless Computing for Efficient RLHF
von: Wei, Rui, et al.
Veröffentlicht: (2026)

Lifelong Federated Reinforcement Learning: A Learning Architecture for Navigation in Cloud Robotic Systems
von: Liu, Boyi, et al.
Veröffentlicht: (2019)

HPC Digital Twins for Evaluating Scheduling Policies, Incentive Structures and their Impact on Power and Cooling
von: Maiterth, Matthias, et al.
Veröffentlicht: (2025)

DRLQ: A Deep Reinforcement Learning-based Task Placement for Quantum Cloud Computing
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

Generative Federated Learning for Smart Prediction and Recommendation Applications
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2025)

Transformer-Based Model for Cold Start Mitigation in FaaS Architecture
von: Mouen, Alexandre Savi Fayam Mbala, et al.
Veröffentlicht: (2025)

Universal Workers: A Vision for Eliminating Cold Starts in Serverless Computing
von: Akbari, Saman, et al.
Veröffentlicht: (2025)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

AARC: Automated Affinity-aware Resource Configuration for Serverless Workflows
von: Jin, Lingxiao, et al.
Veröffentlicht: (2025)

Cold Start Latency in Serverless Computing: A Systematic Review, Taxonomy, and Future Directions
von: Golec, Muhammed, et al.
Veröffentlicht: (2023)

Distributed Difference of Convex Optimization
von: Khatana, Vivek, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

Towards Practical Operation of Deep Reinforcement Learning Agents in Real-World Network Management at Open RAN Edges
von: Li, Haiyuan, et al.
Veröffentlicht: (2024)

Resource Allocation for Stable LLM Training in Mobile Edge Computing
von: Liu, Chang, et al.
Veröffentlicht: (2024)

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)