分布式机器学习相关论文
在数据非独立分布的情况下，联邦学习每一轮通信中将局部模型聚合成一个全局模型的过程将会导致异质性，并给联邦学习训练带来巨大的挑......
随着机器学习领域的不断发展,用于机器学习的模型变得越来越大,用于训练的样本数据量不断增多。这两种变化导致了单台计算机在执行......
以智能手机为代表的移动设备日渐普及,其中产生并存储了海量真实的用户数据,为人工智能应用提供了优质的训练数据来源。面对人工智......
随着移动互联网带来的数据增长,分布式机器学习因其优越的数据并行和模型并行支持成为人工智能技术利用海量数据进行学习的重要技......
科学技术的蓬勃发展带来应用种类的百花齐放,却也导致数据规模的爆发式增长,如何处理大数据成为信息时代的一项亟需解决的关键问题......
近几年来,以深度神经网络为代表的深度学习算法取得了极大的成功。然而,深度学习仍存在训练样本大、计算资源要求高以及超参数调优......
随着人工智能和互联网技术的发展,分布式机器学习成为了学术界和IT界的研究热点。分布式机器学习可以极大提高机器学习训练模型的......
随着时代的发展,机器学习的训练集规模与模型复杂度不断增长,单机训练模型已无法适应大规模数据环境。近年来,分布式机器学习因其......
分布式计算是大规模机器学习和大数据分析的主流,但其性能通常受到不可预测的落后计算节点的严重影响。针对矩阵向量相乘这一众多......
推荐系统的发展离不开大规模高质量的数据,多家相关企业往往会以数据直接共享的方式提升推荐系统效果。但随着用户数据隐私意识的......
随着人工智能的飞速发展,机器学习逐渐趋向于大数据、大模型、大规模集群训练,这在加强机器学习能力的同时也对机器学习策略提出了......
飞行器如无人机（Unmanned Aerial Vehicle,UAV）等在生产生活中的广泛应用,让自主飞行控制变成飞行器领域的核心技术和重难点问题。如......
基础设施和网络技术的发展促使了各类分布式应用的爆发增长,复杂变化的应用场景使得传输协议的研究再一次成为网络领域的热点。其......
得益于大数据、大模型、GPU集群的推动,人工智能技术飞速发展,但是在此基础上训练出更准确、表达能力更强的优秀人工智能模型绝非......
为了支持具有计算密集型和通信密集型的分布式机器学习训练任务,各大信息技术（Information Technology,IT）公司如微软,都使用图形处......
在过去的几年中,随机变分推断在多种机器学习任务中显示出其强大能力,其应用涵盖自然语言处理和信息检索等各个领域。各领域应用不......
随着智能电网的迅速发展,电网的信息化和智能化程度越来越高,电网依靠成熟的测量技术和传感器技术部署了大量的智能电表,使得数据......
互联网技术发展迅速,网络文本信息激增。信息传播迅速而广泛,对社会有着重大的影响,因此高效地分析和处理文本信息变得尤为重要。......
随着机器学习算法模型规模和数据量的高速增长,单个节点不能够有效的承担大规模训练所需的计算和存储需求,因此在分布式集群中运行......
随着“互联网+”不断为旅游业赋能,并由机器学习、大数据从软件层面为旅游业发展提供动力,对传统的旅游领域带来了深刻的变革,在由......
联邦学习是一种分布式机器学习范式，中央服务器通过协作大量远程设备训练一个最优的全局模型。目前联邦学习主要存在系统异构性和数......
随着信息技术的不断发展,GPU等计算加速器的使用,计算性能得到很大提升,也意味着每分钟有大量的数据通过网络传输,对于计算任务来......
与传统的分布式计算不同,分布式机器学习更加关注参数同步和梯度同步,网络通信是最大的瓶颈.许多研究者针对网络问题提出了多种解......
近年来，大数据分析技术发展迅速，数据挖掘对产业界和学术界产生了积极的推动作用。分类问题是数据挖掘中的重要问题，支持向量机是一种......
随着模型和数据集的增长,在分布式集群中运行大规模的机器学习算法已成为一种常用的方法。该方法将整个机器学习算法和训练数据划......
在长距离天然气管道中,以燃气轮机驱动的压缩机组承担着管道增压,保障了天然气长距离运输的作用。有效的燃气轮机实时监控手段可以......
由于移动互联网的不断发展,移动设备能力不断提升,人工智能在移动环境中的应用更加广泛。目标检测是一项基础的计算机视觉任务,基......
随着科技的发展,人类来到了大数据时代,为缓解单机机器学习训练对庞大训练数据的乏力,分布式机器学习应运而生,分布式机器学习在应......
随着大数据时代的来临,数据的规模性和复杂性正急剧增长。使用单一节点和传统机器学习方法进行机器学习模型训练面临着严峻的挑战......
机器学习作为人工智能领域内的一个重要方向已经在今天发挥出了越来越重要的作用,随着机器学习相关算法解决了越来越多的问题的同......
当前基于大规模机器学习(ML,Machine Learning)的智能系统的解决方案主要依赖于数据、算力以及算法,而随着数据量的指数级增长、摩......
大数据、大模型为人工智能的飞速发展奠定了坚实的物质基础,也提出了新的技术挑战,单机训练已经远远无法满足其对计算能力与存储资......
为了解决日益庞大的数据集与参数量而带来的机器学习训练耗时过长的问题,分布式机器学习(Distributed Machine Learning,DML)成为......
随着时代的发展,机器学习的训练集规模与模型复杂度不断增长,单机训练模型已无法适应大规模数据环境。近年来,分布式机器学习因其......
污泥体积指数(Sludge Volume Index,SVI)是目前广泛用于分析污泥沉降特性的重要指标,该指标的人工检测过程存在步骤繁琐、耗时、成......
分布式协同优化通过多智能体之间的合作协同有效地实现优化任务.分布式协同优化理论和应用是控制科学与工程的重要发展方向之一.近......
随着人工智能时代的到来,图嵌入技术被越来越多地用来挖掘图中的信息.然而,现实生活中的图通常很大,因此,分布式图嵌入技术得到了......
提出了一种面向云计算系统的分布式机器学习任务调度算法(CloudScheML),CloudScheM以最小化干扰和分布式机器学习任务的训练完成时......
当前已经从IT时代进入到DT时代,机器学习发展到现阶段,能否获得量大质高的数据已成为制约其发展的重要因素。在这样的背景下,数据......
定义了一种新型拓扑感知的参数交换方案——弹性全局规约树(RAT)。针对底层物理拓扑及其超额认购条件,RAT建立了一种树状规约模式,......
人脸比对问题是计算机视觉领域多年以来的一个研究热点。近几年依托于计算机计算性能和训练数据量的不断增加,深度学习成为了图像......
近年来,越来越多的公司部署分布式机器学习集群用来训练机器学习模型,以提供各种人工智能驱动的服务。与此同时,机器学习任务也给......
机器学习算法离不开数据。随着数据的爆炸式增长,单台机器无法分析如此大规模的数据。同时,在某些场景中,数据本身分布式地存储在......
海量的大数据以及机器学习模型的大规模化为人工智能的发展提供了坚实的条件,而大量数据以及大规模训练模型也促成了分布式机器学......
目前,关于在网计算的研究仍处于初级阶段,研究的焦点为如何利用可编程网络技术更好地支持各种在网计算应用,本文主要基于P4语言探......
新的时代正在兴起,复杂机器学习算法的发展以及硬件性能的指数级增长将加速新一代人工智能系统的发展,改变人们对周围世界的感知和......
