Buchumschlag

Reinforcement Learning Controlled Adaptive PSO for Task Offloading in IIoT Edge Computing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Perera, Minod, Fattah, Sheik Mohammad Mostakim, Mistry, Sajib, Krishna, Aneesh
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing 68T05 F.2.2; G.1.6; I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AMP4EC: Adaptive Model Partitioning Framework for Efficient Deep Learning Inference in Edge Computing Environments
von: Zhang, Guilin, et al.
Veröffentlicht: (2025)

A Full Stack Framework for High Performance Quantum-Classical Computing
von: Zhan, Xin, et al.
Veröffentlicht: (2025)

CarbonEdge: Carbon-Aware Deep Learning Inference Framework for Sustainable Edge Computing
von: Zhang, Guilin, et al.
Veröffentlicht: (2026)

ACME: Adaptive Customization of Large Models via Distributed Systems
von: Dai, Ziming, et al.
Veröffentlicht: (2025)

EWSJF: An Adaptive Scheduler with Hybrid Partitioning for Mixed-Workload LLM Inference
von: Sidik, Bronislav, et al.
Veröffentlicht: (2026)

Signature-based IaaS Performance Change Detection
von: Fattah, Sheik Mohammad Mostakim, et al.
Veröffentlicht: (2024)

Parameter-Efficient and Personalized Federated Training of Generative Models at the Edge
von: Khan, Kabir, et al.
Veröffentlicht: (2025)

Using Containers to Speed Up Development, to Run Integration Tests and to Teach About Distributed Systems
von: Mambelli, Marco, et al.
Veröffentlicht: (2025)

Experimentally Evaluating the Resource Efficiency of Big Data Autoscaling
von: Will, Jonathan, et al.
Veröffentlicht: (2025)

An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy
von: Yang, Haotian, et al.
Veröffentlicht: (2025)

ADF-LoRA: Alternating Low-Rank Aggregation for Decentralized Federated Fine-Tuning
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

SRFed: Mitigating Poisoning Attacks in Privacy-Preserving Federated Learning with Heterogeneous Data
von: Lu, Yiwen
Veröffentlicht: (2026)

Feature-Aware Task-to-Core Allocation in Embedded Multi-core Platforms via Statistical Learning
von: Pivezhandi, Mohammad, et al.
Veröffentlicht: (2025)

Federated Learning over Blockchain-Enabled Cloud Infrastructure
von: Garg, Saloni, et al.
Veröffentlicht: (2026)

Vectorized Adaptive Histograms for Sparse Oblique Forests
von: Lubonja, Ariel, et al.
Veröffentlicht: (2026)

A Model Aware AIGC Task Offloading Algorithm in IIoT Edge Computing
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Asynchronous Federated Reinforcement Learning with Policy Gradient Updates: Algorithm Design and Convergence Analysis
von: Lan, Guangchen, et al.
Veröffentlicht: (2024)

Cognitive Infrastructure: A Unified DCIM Framework for AI Data Centers
von: Sunkara, Krishna Chaitanya
Veröffentlicht: (2026)

MECKD: Deep Learning-Based Fall Detection in Multilayer Mobile Edge Computing With Knowledge Distillation
von: Mao, Wei-Lung, et al.
Veröffentlicht: (2025)

TAGC: Optimizing Gradient Communication in Distributed Transformer Training
von: Polyakov, Igor, et al.
Veröffentlicht: (2025)

Network Structures as an Attack Surface: Topology-Based Privacy Leakage in Federated Learning
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

SPARK: Igniting Communication-Efficient Decentralized Learning via Stage-wise Projected NTK and Accelerated Regularization
von: Xia, Li
Veröffentlicht: (2025)

Static Batching of Irregular Workloads on GPUs: Framework and Application to Efficient MoE Model Inference
von: Li, Yinghan, et al.
Veröffentlicht: (2025)

Federated Few-Shot Learning on Neuromorphic Hardware: An Empirical Study Across Physical Edge Nodes
von: Motta, Steven, et al.
Veröffentlicht: (2026)

HiDVFS: A Hierarchical Multi-Agent DVFS Scheduler for OpenMP DAG Workloads
von: Pivezhandi, Mohammad, et al.
Veröffentlicht: (2026)

Cross-Platform Fused MoE Dispatch in Triton: Portable Expert Routing Without CUDA
von: Mitra, Subhadip
Veröffentlicht: (2026)

BlockSDN-VC: A SDN-Based Virtual Coordinate-Enhanced Transaction Broadcast Framework for High-Performance Blockchains
von: Jia, Wenyang, et al.
Veröffentlicht: (2025)

SLO-Guard: Crash-Aware, Budget-Consistent Autotuning for SLO-Constrained LLM Serving
von: Lysenstøen, Christian
Veröffentlicht: (2026)

Challenges of Heterogeneity in Big Data: A Comparative Study of Classification in Large-Scale Structured and Unstructured Domains
von: Eduardo, González Trigueros Jesús, et al.
Veröffentlicht: (2025)

A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning
von: Korkmaz, Abdulkadir, et al.
Veröffentlicht: (2025)

A Taxonomy and Resolution Strategy for Client-Level Disagreements in Federated Learning
von: Rosendal, Daan, et al.
Veröffentlicht: (2026)

TStore: Rethinking AI Model Hub with Tensor-Centric Compression
von: Lan, Tingfeng, et al.
Veröffentlicht: (2026)

XFED: Non-Collusive Model Poisoning Attack Against Byzantine-Robust Federated Classifiers
von: Mouri, Israt Jahan, et al.
Veröffentlicht: (2026)

SepsisAI Orchestrator: A Containerized and Scalable Platform for Deploying AI Models and Real-Time Monitoring in Early Sepsis Detection
von: Ospitia, Santiago, et al.
Veröffentlicht: (2026)

Shaved Ice: Optimal Compute Resource Commitments for Dynamic Multi-Cloud Workloads
von: Stokely, Murray, et al.
Veröffentlicht: (2025)

ReMoE: Boosting Expert Reuse through Router Fine-Tuning in Memory-Constrained MoE LLM Inference
von: Zhu, Xiongwei, et al.
Veröffentlicht: (2026)

Scalable overset computation between a forest-of-octrees- and an arbitrary distributed parallel mesh
von: Brandt, Hannes, et al.
Veröffentlicht: (2026)

Serverless GPU Architecture for Enterprise HR Analytics: A Production-Scale BDaaS Implementation
von: Zhang, Guilin, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Distributed Linear Solvers under Data Heterogeneity
von: Velasevic, Boris, et al.
Veröffentlicht: (2023)

Smart IoT-Based Leak Forecasting and Detection for Energy-Efficient Liquid Cooling in AI Data Centers
von: Sunkara, Krishna Chaitanya, et al.
Veröffentlicht: (2025)