Buchumschlag

AI-Driven Health Monitoring of Distributed Computing Architecture: Insights from XGBoost and SHAP

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Xiaoxuan, Yao, Yue, Wang, Xiaoye, Li, Pochun, Li, Xuan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reinforcement Learning for Adaptive Resource Scheduling in Complex System Environments
von: Li, Pochun, et al.
Veröffentlicht: (2024)

Adaptive Cache Management for Complex Storage Systems Using CNN-LSTM-Based Spatiotemporal Prediction
von: Wang, Xiaoye, et al.
Veröffentlicht: (2024)

Decentralized Orchestration Architecture for Fluid Computing: A Secure Distributed AI Use Case
von: Cajaraville-Aboy, Diego, et al.
Veröffentlicht: (2026)

Computing in the Era of Large Generative Models: From Cloud-Native to AI-Native
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Self-Evolving Distributed Memory Architecture for Scalable AI Systems
von: Li, Zixuan, et al.
Veröffentlicht: (2026)

Low-Communication Resilient Distributed Estimation Algorithm Based on Memory Mechanism
von: Li, Wei, et al.
Veröffentlicht: (2025)

Communication Optimization for Distributed Training: Architecture, Advances, and Opportunities
von: Wei, Yunze, et al.
Veröffentlicht: (2024)

Joint Temporal-Structural Representation Learning for Distributed Fault Discrimination in Microservice Architectures
von: Xue, Yihan, et al.
Veröffentlicht: (2026)

QAISim: A Toolkit for Modeling and Simulation of AI in Quantum Cloud Computing Environments
von: Singh, Irwindeep, et al.
Veröffentlicht: (2025)

Optimizing Distributed Deployment of Mixture-of-Experts Model Inference in Serverless Computing
von: Liu, Mengfan, et al.
Veröffentlicht: (2025)

Robust Fully-Asynchronous Methods for Distributed Training over General Architecture
von: Zhu, Zehan, et al.
Veröffentlicht: (2023)

A Bring-Your-Own-Model Approach for ML-Driven Storage Placement in Warehouse-Scale Computers
von: Yang, Chenxi, et al.
Veröffentlicht: (2025)

Towards Client Driven Federated Learning
von: Li, Songze, et al.
Veröffentlicht: (2024)

Learnable Sparse Customization in Heterogeneous Edge Computing
von: Xue, Jingjing, et al.
Veröffentlicht: (2024)

TokenWeave: Efficient Compute-Communication Overlap for Distributed LLM Inference
von: Gond, Raja, et al.
Veröffentlicht: (2025)

Truncated Non-Uniform Quantization for Distributed SGD
von: Yan, Guangfeng, et al.
Veröffentlicht: (2024)

Knowledge-Driven Federated Graph Learning on Model Heterogeneity
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Priority-Aware Model-Distributed Inference at Edge Networks
von: Li, Teng, et al.
Veröffentlicht: (2024)

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

Distributed Learning based on 1-Bit Gradient Coding in the Presence of Stragglers
von: Li, Chengxi, et al.
Veröffentlicht: (2024)

Distributed Graph Embedding with Information-Oriented Random Walks
von: Fang, Peng, et al.
Veröffentlicht: (2023)

Learning to Shard: RL for Co-optimizing the Parallelism Degrees and Per-operator Sharding Dimensions in Distributed LLM Inference
von: Yin, Ruokai, et al.
Veröffentlicht: (2025)

Echo: Simulating Distributed Training At Scale
von: Feng, Yicheng, et al.
Veröffentlicht: (2024)

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

Virtual Nodes Can Help: Tackling Distribution Shifts in Federated Graph Learning
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Intelligent Task Offloading in VANETs: A Hybrid AI-Driven Approach for Low-Latency and Energy Efficiency
von: Qayyum, Tariq, et al.
Veröffentlicht: (2025)

BurstAttention: An Efficient Distributed Attention Framework for Extremely Long Sequences
von: Sun, Ao, et al.
Veröffentlicht: (2024)

Multi-Worker Selection based Distributed Swarm Learning for Edge IoT with Non-i.i.d. Data
von: Yao, Zhuoyu, et al.
Veröffentlicht: (2025)

Preble: Efficient Distributed Prompt Scheduling for LLM Serving
von: Srivatsa, Vikranth, et al.
Veröffentlicht: (2024)

Event-Driven Online Vertical Federated Learning
von: Wang, Ganyu, et al.
Veröffentlicht: (2025)

Minder: Faulty Machine Detection for Large-scale Distributed Model Training
von: Deng, Yangtao, et al.
Veröffentlicht: (2024)

Collaborative and Distributed Bayesian Optimization via Consensus: Showcasing the Power of Collaboration for Optimal Design
von: Yue, Xubo, et al.
Veröffentlicht: (2023)

A Holistic Framework for Automated Configuration Recommendation for Cloud Service Monitoring
von: Bastos, Anson, et al.
Veröffentlicht: (2026)

High-Performance Serverless Computing: A Systematic Literature Review on Serverless for HPC, AI, and Big Data
von: Besozzi, Valerio, et al.
Veröffentlicht: (2026)

Task Graph offloading via Deep Reinforcement Learning in Mobile Edge Computing
von: Liu, Jiagang, et al.
Veröffentlicht: (2023)

Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey
von: Liu, Jing, et al.
Veröffentlicht: (2025)

Mélange: Cost Efficient Large Language Model Serving by Exploiting GPU Heterogeneity
von: Griggs, Tyler, et al.
Veröffentlicht: (2024)

Key-Embedded Privacy for Decentralized AI in Biomedical Omics
von: Zhang, Rongyu, et al.
Veröffentlicht: (2026)

Improved Quantization Strategies for Managing Heavy-tailed Gradients in Distributed Learning
von: Yan, Guangfeng, et al.
Veröffentlicht: (2024)

Octopus: Experiences with a Hybrid Event-Driven Architecture for Distributed Scientific Computing
von: Pan, Haochen, et al.
Veröffentlicht: (2024)