Buchumschlag

Adaptive Resolution Inference (ARI): Energy-Efficient Machine Learning for Internet of Things

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ziheng, Reviriego, Pedro, Niknia, Farzad, Conde, Javier, Liu, Shanshan, Lombardi, Fabrizio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multimodal Online Federated Learning with Modality Missing in Internet of Things
von: Wang, Heqiang, et al.
Veröffentlicht: (2025)

Energy-Efficient Stochastic Computing (SC) Neural Networks for Internet of Things Devices With Layer-Wise Adjustable Sequence Length (ASL)
von: Wang, Ziheng, et al.
Veröffentlicht: (2025)

Device Scheduling and Assignment in Hierarchical Federated Learning for Internet of Things
von: Zhang, Tinghao, et al.
Veröffentlicht: (2024)

Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)
von: Chen, Ziqun, et al.
Veröffentlicht: (2024)

Collaborative Speculative Inference for Efficient LLM Inference Serving
von: Gao, Luyao, et al.
Veröffentlicht: (2025)

HAP: Hybrid Adaptive Parallelism for Efficient Mixture-of-Experts Inference
von: Lin, Haoran, et al.
Veröffentlicht: (2025)

Split Learning-Enabled Framework for Secure and Light-weight Internet of Medical Things Systems
von: Sai, Siva, et al.
Veröffentlicht: (2025)

Dynamic Rebatching for Efficient Early-Exit Inference with DREX
von: Liu, Xuting, et al.
Veröffentlicht: (2025)

Energy-Efficient Wireless Federated Learning via Doubly Adaptive Quantization
von: Han, Xuefeng, et al.
Veröffentlicht: (2024)

NetSenseML: Network-Adaptive Compression for Efficient Distributed Machine Learning
von: Wang, Yisu, et al.
Veröffentlicht: (2025)

Adaptive Client Selection with Personalization for Communication Efficient Federated Learning
von: de Souza, Allan M., et al.
Veröffentlicht: (2024)

Unlearning during Learning: An Efficient Federated Machine Unlearning Method
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

DYNAMIX: RL-based Adaptive Batch Size Optimization in Distributed Machine Learning Systems
von: Dai, Yuanjun, et al.
Veröffentlicht: (2025)

Distributed Continuous Range-Skyline Query Monitoring over the Internet of Mobile Things
von: Lai, Chuan-Chi, et al.
Veröffentlicht: (2019)

Energy-Efficient Quantized Federated Learning for Resource-constrained IoT devices
von: Compaoré, Wilfrid Sougrinoma, et al.
Veröffentlicht: (2025)

Adaptive Stream Processing on Edge Devices through Active Inference
von: Sedlak, Boris, et al.
Veröffentlicht: (2024)

Efficient Distributed Learning over Decentralized Networks with Convoluted Support Vector Machine
von: Chen, Canyi, et al.
Veröffentlicht: (2025)

MinatoLoader: Accelerating Machine Learning Training Through Efficient Data Preprocessing
von: Nouaji, Rahma, et al.
Veröffentlicht: (2025)

Designing Large Foundation Models for Efficient Training and Inference: A Survey
von: Liu, Dong, et al.
Veröffentlicht: (2024)

Where Do the Joules Go? Diagnosing Inference Energy Consumption
von: Chung, Jae-Won, et al.
Veröffentlicht: (2026)

Communication and Energy Efficient Federated Learning using Zero-Order Optimization Technique
von: Mhanna, Elissa, et al.
Veröffentlicht: (2024)

The Internet of Things in the Era of Generative AI: Vision and Challenges
von: Wang, Xin, et al.
Veröffentlicht: (2024)

FLASH Viterbi: Fast and Adaptive Viterbi Decoding for Modern Data Systems
von: Deng, Ziheng, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning through Adaptive Weight Clustering and Server-Side Distillation
von: Tsouvalas, Vasileios, et al.
Veröffentlicht: (2024)

Arctic Inference with Shift Parallelism: Fast and Efficient Open Source Inference System for Enterprise AI
von: Rajbhandari, Samyam, et al.
Veröffentlicht: (2025)

AB-Sparse: Sparse Attention with Adaptive Block Size for Accurate and Efficient Long-Context Inference
von: Liu, Di, et al.
Veröffentlicht: (2026)

TeleRAG: Efficient Retrieval-Augmented Generation Inference with Lookahead Retrieval
von: Lin, Chien-Yu, et al.
Veröffentlicht: (2025)

Energy Use of AI Inference: Efficiency Pathways and Test-Time Compute
von: Oviedo, Felipe, et al.
Veröffentlicht: (2025)

ATA: Adaptive Task Allocation for Efficient Resource Management in Distributed Machine Learning
von: Maranjyan, Artavazd, et al.
Veröffentlicht: (2025)

AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems
von: Jia, Chentao, et al.
Veröffentlicht: (2023)

pMixFed: Efficient Personalized Federated Learning through Adaptive Layer-Wise Mixup
von: Saadati, Yasaman, et al.
Veröffentlicht: (2025)

Reinforcement Learning-based Adaptive Mitigation of Uncorrected DRAM Errors in the Field
von: Boixaderas, Isaac, et al.
Veröffentlicht: (2024)

FDC: Fast KV Dimensionality Compression for Efficient LLM Inference
von: Zhang, Zeyu, et al.
Veröffentlicht: (2024)

PecSched: Preemptive and Efficient Cluster Scheduling for LLM Inference
von: Zhang, Zeyu, et al.
Veröffentlicht: (2024)

Kraken: Inherently Parallel Transformers For Efficient Multi-Device Inference
von: Prabhakar, Rohan Baskar, et al.
Veröffentlicht: (2024)

Machine Learning-Based Research on the Adaptability of Adolescents to Online Education
von: Wang, Mingwei, et al.
Veröffentlicht: (2024)

Fully Energy-Efficient Randomized Backoff: Slow Feedback Loops Yield Fast Contention Resolution
von: Bender, Michael A., et al.
Veröffentlicht: (2023)

HybridFlow: Resource-Adaptive Subtask Routing for Efficient Edge-Cloud LLM Inference
von: Dong, Jiangwen, et al.
Veröffentlicht: (2025)

cuConv: A CUDA Implementation of Convolution for CNN Inference
von: Jordà, Marc, et al.
Veröffentlicht: (2021)

Adaptive Client Selection via Q-Learning-based Whittle Index in Wireless Federated Learning
von: Li, Qiyue, et al.
Veröffentlicht: (2025)