:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Giri, Kamal, Garu, Amit
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	https://arxiv.org/abs/2506.02002
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stress Monitoring in Healthcare: An Ensemble Machine Learning Framework Using Wearable Sensor Data
von: Sinhal, Arpana, et al.
Veröffentlicht: (2025)

Time-Series Learning for Proactive Fault Prediction in Distributed Systems with Deep Neural Structures
von: Wang, Yang, et al.
Veröffentlicht: (2025)

FedRandom: Sampling Consistent and Accurate Contribution Values in Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2026)

Privacy-Preserving Federated Learning with Consistency via Knowledge Distillation Using Conditional Generator
von: Luo, Kangyang, et al.
Veröffentlicht: (2024)

The Streaming Batch Model for Efficient and Fault-Tolerant Heterogeneous Execution
von: Luan, Frank Sifei, et al.
Veröffentlicht: (2025)

Provenance Tracking in Large-Scale Machine Learning Systems
von: Padovani, Gabriele, et al.
Veröffentlicht: (2025)

ShardTensor: Domain Parallelism for Scientific Machine Learning
von: Adams, Corey, et al.
Veröffentlicht: (2026)

Heterogeneity: An Open Challenge for Federated On-board Machine Learning
von: Hartmann, Maria, et al.
Veröffentlicht: (2024)

Training Machine Learning models at the Edge: A Survey
von: Khouas, Aymen Rayane, et al.
Veröffentlicht: (2024)

PiPar: Pipeline Parallelism for Collaborative Machine Learning
von: Zhang, Zihan, et al.
Veröffentlicht: (2022)

Algorithms for Collaborative Machine Learning under Statistical Heterogeneity
von: Hahn, Seok-Ju
Veröffentlicht: (2024)

MoC-System: Efficient Fault Tolerance for Sparse Mixture-of-Experts Model Training
von: Cai, Weilin, et al.
Veröffentlicht: (2024)

FT K-means: A High-Performance K-means on GPU with Fault Tolerance
von: Wu, Shixun, et al.
Veröffentlicht: (2024)

Revisiting Reliability in Large-Scale Machine Learning Research Clusters
von: Kokolis, Apostolos, et al.
Veröffentlicht: (2024)

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

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

FLASH: Federated Learning Across Simultaneous Heterogeneities
von: Chang, Xiangyu, et al.
Veröffentlicht: (2024)

A Machine Learning Approach Towards Runtime Optimisation of Matrix Multiplication
von: Xia, Yufan, et al.
Veröffentlicht: (2026)

TACOS: Topology-Aware Collective Algorithm Synthesizer for Distributed Machine Learning
von: Won, William, et al.
Veröffentlicht: (2023)

yProv4ML: Effortless Provenance Tracking for Machine Learning Systems
von: Padovani, Gabriele, et al.
Veröffentlicht: (2025)

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

Leveraging Neural Graph Compilers in Machine Learning Research for Edge-Cloud Systems
von: Furutanpey, Alireza, et al.
Veröffentlicht: (2025)

Machine Learning-driven Multiscale MD Workflows: The Mini-MuMMI Experience
von: Pottier, Loïc, et al.
Veröffentlicht: (2025)

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

Breaking the Training Barrier of Billion-Parameter Universal Machine Learning Interatomic Potentials
von: Zhou, Yuanchang, et al.
Veröffentlicht: (2026)

Adaptive Resolution Inference (ARI): Energy-Efficient Machine Learning for Internet of Things
von: Wang, Ziheng, et al.
Veröffentlicht: (2024)

Optimizing Performance on Trinity Utilizing Machine Learning, Proxy Applications and Scheduling Priorities
von: Romero, Phil
Veröffentlicht: (2024)

Detecting Rug Pulls in Decentralized Exchanges: Machine Learning Evidence from the TON Blockchain
von: Yaremus, Dmitry, et al.
Veröffentlicht: (2025)

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

StraightLine: An End-to-End Resource-Aware Scheduler for Machine Learning Application Requests
von: Ching, Cheng-Wei, et al.
Veröffentlicht: (2024)

Machine-Learning-Driven Runtime Optimization of BLAS Level 3 on Modern Multi-Core Systems
von: Xia, Yufan, et al.
Veröffentlicht: (2024)

Convergence Analysis of Split Federated Learning on Heterogeneous Data
von: Han, Pengchao, et al.
Veröffentlicht: (2024)

BatchWeave: A Consistent Object-Store-Native Data Plane for Large Foundation Model Training
von: Sun, Ting, et al.
Veröffentlicht: (2026)

An Information-Theoretic Analysis for Federated Learning under Concept Drift
von: Peng, Fu, et al.
Veröffentlicht: (2025)

Robust Model Aggregation for Heterogeneous Federated Learning: Analysis and Optimizations
von: Shao, Yumeng, et al.
Veröffentlicht: (2024)

Federated Learning with Integrated Sensing, Communication, and Computation: Frameworks and Performance Analysis
von: Liang, Yipeng, et al.
Veröffentlicht: (2024)

Generalization Error Analysis for Attack-Free and Byzantine-Resilient Decentralized Learning with Data Heterogeneity
von: Ye, Haoxiang, et al.
Veröffentlicht: (2025)

Performance and Energy Trade-Off Analysis of Hierarchical Federated Learning for Plant Disease Classification
von: Papanikolaou, Athanasios, et al.
Veröffentlicht: (2026)

cedar: Optimized and Unified Machine Learning Input Data Pipelines
von: Zhao, Mark, et al.
Veröffentlicht: (2024)

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