Buchumschlag

Dependable Distributed Training of Compressed Machine Learning Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Malandrino, Francesco, Di Giacomo, Giuseppe, Levorato, Marco, Chiasserini, Carla Fabiana
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Resource-Efficient Sensor Fusion via System-Wide Dynamic Gated Neural Networks
von: Singhal, Chetna, et al.
Veröffentlicht: (2024)

Combining Relevance and Magnitude for Resource-Aware DNN Pruning
von: Chiasserini, Carla Fabiana, et al.
Veröffentlicht: (2024)

Edge-device Collaborative Computing for Multi-view Classification
von: Palena, Marco, et al.
Veröffentlicht: (2024)

NaviSlim: Adaptive Context-Aware Navigation and Sensing via Dynamic Slimmable Networks
von: Johnsen, Tim, et al.
Veröffentlicht: (2024)

Resource-aware Deployment of Dynamic DNNs over Multi-tiered Interconnected Systems
von: Singhal, Chetna, et al.
Veröffentlicht: (2024)

CADENCE: Context-Adaptive Depth Estimation for Navigation and Computational Efficiency
von: Johnsen, Timothy K, et al.
Veröffentlicht: (2026)

Mode-Dependent Rectification for Stable PPO Training
von: Mohamad, Mohamad, et al.
Veröffentlicht: (2026)

Strategies for Improving Communication Efficiency in Distributed and Federated Learning: Compression, Local Training, and Personalization
von: Yi, Kai
Veröffentlicht: (2025)

Combining Pre-Trained Models for Enhanced Feature Representation in Reinforcement Learning
von: Piccoli, Elia, et al.
Veröffentlicht: (2025)

Eavesdropping with Intelligent Reflective Surfaces: Near-Optimal Configuration Cycling
von: Malandrino, Francesco, et al.
Veröffentlicht: (2024)

Understanding The Effectiveness of Lossy Compression in Machine Learning Training Sets
von: Underwood, Robert, et al.
Veröffentlicht: (2024)

Engagement-Driven Content Generation with Large Language Models
von: Coppolillo, Erica, et al.
Veröffentlicht: (2024)

Highly Parallelized Reinforcement Learning Training with Relaxed Assignment Dependencies
von: He, Zhouyu, et al.
Veröffentlicht: (2025)

Operator-Based Generalization Bound for Deep Learning: Insights on Multi-Task Learning
von: Mohammadigohari, Mahdi, et al.
Veröffentlicht: (2025)

Low-Rank Compression of Language Models via Differentiable Rank Selection
von: Sundrani, Sidhant, et al.
Veröffentlicht: (2025)

Distributionally Robust Model-based Reinforcement Learning with Large State Spaces
von: Ramesh, Shyam Sundhar, et al.
Veröffentlicht: (2023)

Compression, Generalization and Learning
von: Campi, Marco C., et al.
Veröffentlicht: (2023)

Integrating Homomorphic Encryption and Synthetic Data in FL for Privacy and Learning Quality
von: Wang, Yenan, et al.
Veröffentlicht: (2026)

GWT: Scalable Optimizer State Compression for Large Language Model Training
von: Wen, Ziqing, et al.
Veröffentlicht: (2025)

On the Koopman-Based Generalization Bounds for Multi-Task Deep Learning
von: Mohammadigohari, Mahdi, et al.
Veröffentlicht: (2025)

Balancing Privacy-Quality-Efficiency in Federated Learning through Round-Based Interleaving of Protection Techniques
von: Wang, Yenan, et al.
Veröffentlicht: (2026)

Data Pipeline Training: Integrating AutoML to Optimize the Data Flow of Machine Learning Models
von: Wu, Jiang, et al.
Veröffentlicht: (2024)

Don't Push the Button! Exploring Data Leakage Risks in Machine Learning and Transfer Learning
von: Apicella, Andrea, et al.
Veröffentlicht: (2024)

Context-Selective State Space Models: Feedback is All You Need
von: Zattra, Riccardo, et al.
Veröffentlicht: (2025)

Robust Counterfactual Explanations in Machine Learning: A Survey
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

Mixture of Raytraced Experts
von: Perin, Andrea, et al.
Veröffentlicht: (2025)

An Overview and Discussion of the Suitability of Existing Speech Datasets to Train Machine Learning Models for Collective Problem Solving
von: Villuri, Gnaneswar, et al.
Veröffentlicht: (2024)

Beyond MMD: Evaluating Graph Generative Models with Geometric Deep Learning
von: Romano, Salvatore, et al.
Veröffentlicht: (2025)

Semantically Labelled Automata for Multi-Task Reinforcement Learning with LTL Instructions
von: Abate, Alessandro, et al.
Veröffentlicht: (2026)

Personalized and Context-aware Route Planning for Edge-assisted Vehicles
von: Selvaraj, Dinesh Cyril, et al.
Veröffentlicht: (2024)

Exploiting Edge Features for Transferable Adversarial Attacks in Distributed Machine Learning
von: Rossolini, Giulio, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Cloud Architecture for Distributed Machine Learning at Scale
von: Punniyamoorthy, Vinoth, et al.
Veröffentlicht: (2025)

Using Kolmogorov-Smirnov Distance for Measuring Distribution Shift in Machine Learning
von: Tonguz, Ozan K., et al.
Veröffentlicht: (2025)

Sequential Compression Layers for Efficient Federated Learning in Foundational Models
von: Mahla, Navyansh, et al.
Veröffentlicht: (2024)

Practical Insights into Knowledge Distillation for Pre-Trained Models
von: Alballa, Norah, et al.
Veröffentlicht: (2024)

Limitations of Using Identical Distributions for Training and Testing When Learning Boolean Functions
von: Pérez-Guijarro, Jordi
Veröffentlicht: (2025)

DAQ: Delta-Aware Quantization for Post-Training LLM Weight Compression
von: Yu, Xiaoming, et al.
Veröffentlicht: (2026)

Neural Reward Machines
von: Umili, Elena, et al.
Veröffentlicht: (2024)

Kernel-Based Distributed Q-Learning: A Scalable Reinforcement Learning Approach for Dynamic Treatment Regimes
von: Wang, Di, et al.
Veröffentlicht: (2023)

Model Compression in Practice: Lessons Learned from Practitioners Creating On-device Machine Learning Experiences
von: Hohman, Fred, et al.
Veröffentlicht: (2023)