- 计算连续中基础设施节点优化的应用部署分布式遗传算法
在本文中,我们提出并评估了三种分布式遗传算法(GA)设计,用于雾计算中的资源优化问题,其设计基于 GA 在雾设备本身中的执行,以应对约束资源和设备广泛地理分布等特定问题。通过利用 NSGA-II 实施了基准案例,在优化雾服务部署问题的特定领 - 早期 Transformer:通过提前中签抽奖实现 Transformer 模型的高效训练
通过组合迭代剪枝、遮蔽距离计算和选择性重训练等方法,本研究调查并验证了早鸟票假设对 Transformer 模型训练效率的适用性。实验结果表明,在 Transformer 模型的训练或微调的前几个周期内,可以持续发现早鸟票,并且在显著减少资 - 使用混沌 Henon 映射和分割掩码的选择性加密多维医学图像
以用户为中心的设计和资源优化在任何技术或创新中都应该是关键。该方案创新于医学图像存储和安全领域,通过分割、存储和检索三个主要模块,通过对医学图像进行加密和分割,实现了对关键部分的安全存储,从而提高检索速度。
- 所有语言模型的大小
一个新的插拔式语言模型框架(LONDI),能够在复杂决策和推理需要时选择性地使用大型语言模型(LLM),以降低资源成本并加快执行速度,同时满足预算限制和降低计算成本。
- 可持续垂直农业中的人工智能
全球挑战如人口增长、气候变化和资源稀缺日益严重,农业领域正处于关键时刻。可持续垂直农业作为解决这些挑战的转型性解决方案,通过在受控环境中最大化作物产量进行种植。这种范式转变需要集成尖端技术,其中人工智能(AI)处于前沿。本文全面探讨了 AI - PyTorch FSDP: 全分片数据并行扩展的经验
本文介绍了 PyTorch 全面分片数据并行 (FSDP) 作为大模型训练的行业级解决方案,并展示了它在优化资源利用方面的性能,这使得 FSDP 能够同时支持大模型以及 TFLOPS 的线性可伸缩性。
- 更多的数据是你所需要的一切吗?一个因果探索
本文探讨了应用因果分析作为资源优化工具来开发医学成像机器学习应用的潜力。通过对合成数据集和糖尿病视网膜病变图像分析的实例研究,研究了数据集干预对图像分类模型输出的影响,以及需要在数据集中加入的数据量和类型以实现特定子任务的更好性能。
- CVPR多任务学习的任务自适应参数共享
为了在多任务学习中最小化资源使用和任务之间的竞争,本文提出了一种名为 TAPS 的方法,其通过自适应修改小的任务特定层子集来将基本模型调整到新任务中。与其他方法相比,TAPS 在保持高精度同时引入很少的任务特定参数方面表现优异。
- 细粒度神经架构搜索
利用神经架构搜索和细粒化技术提出了一个可以在单个层内使用多种异构操作,甚至可以使用多种基本操作生成组合特征映射的框架。该框架可以通过随机梯度下降方法端到端地训练网络,并优化网络的资源利用效率。在大规模图像分类和图像超分辨率等计算机视觉任务中 - MM5G 及以上的多接入边缘计算综述:基础、技术集成及现状
该研究论文概述了移动边缘计算技术的现状和潜在应用,并提出与 5G 及更高版本的新技术相结合的 MEC 方案,最终总结了当前研究现状和挑战,并探讨了潜在未来方向。
- 联合计算和通信协作的能效移动边缘计算
这篇论文提出了一种新颖的移动边缘计算 (MEC) 系统中的用户合作方法,既在计算方面,又在通信方面,以改善低延迟计算任务的能效。通过对部分和二进制卸载两种计算卸载模型的研究,并联合优化用户和助手的计算和通信资源,本研究提出的方案明显提高了用 - 基于综合视角的边缘云通信、计算与缓存
本文研究了 5G 通信网络中通信、计算和缓存资源的联合优化,借助基于图形表示的学习方法以及创新的资源分配技术来实现将 3C 资源更靠近移动用户、实现低延迟、高可靠性服务的目标。
- MM面向上下文的自适应电子健康监测框架
本文提出一种上下文感知框架,用于监测依赖人士的日常活动,实现长期真实场景的生成和资源优化算法的适应性监测,通过考虑个人资料、活动和活动之间的关系等方面,提高了监测的准确性和效率。
- 数字量子模拟的遗传算法
利用遗传算法提高数字量子模拟的灵活性,可以增加数字量子模拟协议的保真度和优化资源使用效率,并适应实验性约束,在减少数字误差和量子门的实验误差方面起到作用,通过添加辅助比特,设计由不完美门组成的模块化门,其保真度高于任何组成门的保真度,并且对