Buchumschlag

On-device Online Learning and Semantic Management of TinyML Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ren, Haoyu, Li, Xue, Anicic, Darko, Runkler, Thomas A.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Databases Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GetBatch: Distributed Multi-Object Retrieval for ML Data Loading
von: Aizman, Alex, et al.
Veröffentlicht: (2026)

Optimizing Split Learning Latency in TinyML-Based IoT Systems
von: Jenhani, Zied, et al.
Veröffentlicht: (2025)

Agentic TinyML for Intent-aware Handover in 6G Wireless Networks
von: Saleh, Alaa, et al.
Veröffentlicht: (2025)

Modyn: Data-Centric Machine Learning Pipeline Orchestration
von: Böther, Maximilian, et al.
Veröffentlicht: (2023)

Eco-Friendly AI: Unleashing Data Power for Green Federated Learning
von: Sabella, Mattia, et al.
Veröffentlicht: (2025)

Orchestrating Agents and Data for Enterprise: A Blueprint Architecture for Compound AI
von: Kandogan, Eser, et al.
Veröffentlicht: (2025)

CubicML: Automated ML for Large ML Systems Co-design with ML Prediction of Performance
von: Wen, Wei, et al.
Veröffentlicht: (2024)

MergePipe: A Budget-Aware Parameter Management System for Scalable LLM Merging
von: Wang, Yuanyi, et al.
Veröffentlicht: (2026)

Morphing-based Compression for Data-centric ML Pipelines
von: Baunsgaard, Sebastian, et al.
Veröffentlicht: (2025)

Efficient Federated Finetuning of Tiny Transformers with Resource-Constrained Devices
von: Pfeiffer, Kilian, et al.
Veröffentlicht: (2024)

DisCEdge: Distributed Context Management for Large Language Models at the Edge
von: Malekabbasi, Mohammadreza, et al.
Veröffentlicht: (2025)

TablePuppet: A Generic Framework for Relational Federated Learning
von: Xu, Lijie, et al.
Veröffentlicht: (2024)

Online Parallel Multi-Task Relationship Learning via Alternating Direction Method of Multipliers
von: Li, Ruiyu, et al.
Veröffentlicht: (2024)

CHASe: Client Heterogeneity-Aware Data Selection for Effective Federated Active Learning
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Tiny Deep Ensemble: Uncertainty Estimation in Edge AI Accelerators via Ensembling Normalization Layers with Shared Weights
von: Ahmed, Soyed Tuhin, et al.
Veröffentlicht: (2024)

Lodestar: An Online-Learning LLM Inference Router
von: Lim, Gangmuk, et al.
Veröffentlicht: (2026)

An Advanced Reinforcement Learning Framework for Online Scheduling of Deferrable Workloads in Cloud Computing
von: Dong, Hang, et al.
Veröffentlicht: (2024)

EdgeServe: A Streaming System for Decentralized Model Serving
von: Shaowang, Ted, et al.
Veröffentlicht: (2023)

Efficient Federated Learning Tiny Language Models for Mobile Network Feature Prediction
von: Becking, Daniel, et al.
Veröffentlicht: (2025)

Echo: Efficient Co-Scheduling of Hybrid Online-Offline Tasks for Large Language Model Serving
von: Wang, Zhibin, et al.
Veröffentlicht: (2025)

LCFed: An Efficient Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

Optimizing the Deployment of Tiny Transformers on Low-Power MCUs
von: Jung, Victor J. B., et al.
Veröffentlicht: (2024)

FedAC: An Adaptive Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

COSTREAM: Learned Cost Models for Operator Placement in Edge-Cloud Environments
von: Heinrich, Roman, et al.
Veröffentlicht: (2024)

Rel-HNN: Split Parallel Hypergraph Neural Network for Learning on Relational Databases
von: Alam, Md. Tanvir, et al.
Veröffentlicht: (2025)

Online Client Scheduling and Resource Allocation for Efficient Federated Edge Learning
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

PixelsDB: Serverless and NL-Aided Data Analytics with Flexible Service Levels and Prices
von: Bian, Haoqiong, et al.
Veröffentlicht: (2024)

Autonomous FAIR Digital Objects: From Passive Assertions to Active Knowledge
von: Boukhers, Zeyd, et al.
Veröffentlicht: (2026)

Enabling Secure and Ephemeral AI Workloads in Data Mesh Environments
von: Patel, Chinkit, et al.
Veröffentlicht: (2025)

Building a Correct-by-Design Lakehouse. Data Contracts, Versioning, and Transactional Pipelines for Humans and Agents
von: Sheng, Weiming, et al.
Veröffentlicht: (2026)

DLRover-RM: Resource Optimization for Deep Recommendation Models Training in the Cloud
von: Wang, Qinlong, et al.
Veröffentlicht: (2023)

A Planet Scale Spatial-Temporal Knowledge Graph Based On OpenStreetMap And H3 Grid
von: Böckling, Martin, et al.
Veröffentlicht: (2024)

Application of Machine Learning Optimization in Cloud Computing Resource Scheduling and Management
von: Zhang, Yifan, et al.
Veröffentlicht: (2024)

Role-Based Fault Tolerance System for LLM RL Post-Training
von: Chen, Zhenqian, et al.
Veröffentlicht: (2025)

TrainMover: An Interruption-Resilient Runtime for ML Training
von: Lao, ChonLam, et al.
Veröffentlicht: (2024)

FedRA: A Random Allocation Strategy for Federated Tuning to Unleash the Power of Heterogeneous Clients
von: Su, Shangchao, et al.
Veröffentlicht: (2023)

Semantic Parallelism: Redefining Efficient MoE Inference via Model-Data Co-Scheduling
von: Li, Yan, et al.
Veröffentlicht: (2025)

AugFL: Augmenting Federated Learning with Pretrained Models
von: Yue, Sheng, et al.
Veröffentlicht: (2025)

Learning from the Past: Adaptive Parallelism Tuning for Stream Processing Systems
von: Han, Yuxing, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for System-on-Chip: Myths and Realities
von: Sung, Tegg Taekyong, et al.
Veröffentlicht: (2022)