- 基于相关性和数量级的资源感知 DNN 剪枝
提出了一种名为 FlexRel 的新型修剪方法,通过结合训练时间和推理时间信息,即参数大小和相关性,来提高准确性,并节省计算资源和带宽。性能评估表明,FlexRel 能够实现更高的修剪因子,为典型准确性目标节省超过 35%的带宽。
- 神经网络推理对高数据速率、低延迟科学应用的架构影响
科学领域越来越依赖于神经网络(NN)来处理大量数据的传入,而且延迟也很高,因此开发具有存储在芯片上的所有参数的 NN 非常关键。我们的研究表明,许多科学 NN 应用必须完全在芯片上运行,极端情况下需要自定制芯片来满足严格的约束条件。
- 使用梯度下降解决非常数核函数的核岭回归
通过使用迭代方法并在训练过程中逐渐减小带宽,我们可以解决内核岭回归中的超参数选择问题,并取得优于使用常数带宽的结果。同时,我们证明了这种方法不仅能够实现训练误差为零且具有良好泛化性能,还能产生双下降现象,这些特征在常数带宽的内核岭回归和神经 - 用基于梯度的优化方法解决核岭回归问题
本文针对 Kernel ridge regression 方法的不足,提出了一种新的优化方法 Kernel Gradient Flow,通过引入不同于 ridge 惩罚的惩罚项,以及在训练过程中减小核函数的带宽,该方法得到了更好的结果。
- 有限带宽下多智能体通信的动态大小消息调度
本文提出了一种名为 DSMS(动态大小消息调度)的方法,通过使用基于傅里叶变换的压缩技术自适应地调整消息大小,实现 agent 在多代理系统中定制其消息以匹配分配的带宽,从而在信息损失和传输效率之间达到平衡,从而优化了带宽的利用和信息价值的 - 动态带宽下的任务感知分布式源编码
该研究利用名为 NDPCA 的分布式压缩框架,将来自多个传感器的数据有效地压缩到任何可用带宽,以提高多视图机械臂操作和卫星图像目标检测成功率。
- FrankenSplit: 基于显著性引导的神经特征压缩与浅层变分瓶颈注入
本文提出了一种面向资源的压缩模型框架,旨在提高机器解释性能,解决边缘设备和服务器之间资源分配不对称的问题,实验结果表明,相比现有的编解码标准任务,本方法可以获得 60%的比特率降低,同时不降低准确性,并可以比离线处理快 16 倍。
- 基于多臂赌博机的 TDMA 传输时隙调度和碎片整理用于提高带宽利用率
本论文提出了一种基于多臂赌博机和 DDSBS 操作的 TDMA MAC 时隙分配协议,实现无冲突传输和提高带宽利用效率。通过广泛的模拟实验,表明该机制适用于具有或不具有时间同步的网络,可以在学习收敛时间和带宽之间做出平衡,并允许节点适应拓扑 - 超越低通滤波:自动过滤的图卷积网络
本文提出了 Automatic Graph Convolutional Networks (AutoGCN) 来捕获图信号的全部频谱,并自动更新图卷积滤波器的带宽,实验结果表明,AutoGCN 比只能作为低通滤波器的基准方法有了显著的改进。
- 一种新的通信范式:从位准确性到语义保真度
利用语义分析方法,在保证语义保真度高的前提下,提高了无线通信的通信效率。
- 无线联邦学习网络中的客户端选择与带宽分配:长期视角
本文讨论在无线网络中的联邦学习,研究如何在联邦学习网络中优化资源分配,同时兼顾长期和短期的因素,提出一种新的算法来解决这一问题,并在实验中得到不错的表现。
- 深雾守护者:从边缘到云端的抗故障深度神经网络推断
通过引入深度模型增强方案 deepFogGuard,我们提出了一个用于防止分布式深度神经网络 (DDN) 推理任务失败的模型,该模型使用分配的跳过超链接作为设计基础,并使用两个真实数据集进行了 extensive 的实验证明。
- SCALE-Sim: 系统并行卷积神经网络加速器模拟器
本研究介绍了一种基于可配置的 Systolic 数组的 DNN 加速器模拟器 ——SCALE-Sim,并使用其对视觉、语音、文本和游戏等领域的深度学习内核进行了一系列案例研究,证明了带宽、数据流和纵横比对整体运行时间和能耗的影响,为架构师和 - 中位数启发式算法的大样本分析
该研究通过对核二样本检验的带宽设置进行收集新的发现,提供渐近正态性的收敛分析,比较了基于中值启发式和测试功率最大化选择的带宽的性能。
- MM毫米波无线接入中的频谱分配问题
通过量化 mmWave 传输中使用基于导频的信道估计和 MMSE 信道估计器假设下一些典型部署场景中的最大有益带宽,发现在一些使用发射和接收端波束成形的场景下,1GHz 的带宽可能过大。
- 定量测算沉浸式 5G 体验的数据速率和带宽需求
本文探讨了通过采取毫米波和支持高宽带和服务的智能手机等移动设备来推动第五代移动通信系统的学术论文,包括了五个关键词:5G、毫米波、数据流量、虚拟现实以及带宽。
- 毫米波 MIMO 系统的信号处理技术概述
本文介绍了毫米波无线电系统中信号处理的挑战,特别是在较高载波频率下使用 MIMO 通信所面临的问题。
- 模式聚类的综合方法
本文介绍了一种称为模式聚类的非参数聚类方法,该方法使用密度估计器的模式吸引盆来定义聚类;同时提供了软聚类分配的变种,连接聚类之间的连通性度量,选择带宽的技术,去噪小聚类的方法以及可视化聚类的方法,此外,我们还将模式聚类与其他聚类方法进行了比 - 网络直方图与块模型逼近的普适性
本文介绍了网络直方图的概念并提供了一种自动带宽选择的方法,以此来对无标签图进行建模,同时探讨了网络社区的解释和多个社区分配的有效表示之间的权衡。
- 广义密度聚类
本研究研究了广义密度聚类,提出了两种数据基础方法来选择波宽,并研究了密度聚类的稳定性,表明一种简单的基于图的算法可以成功地近似高密度聚类。