-
#1Big Data im Cloud Computing: Eine umfassende Übersicht und zukünftige ChancenEine tiefgehende Analyse der Konvergenz von Big Data und Cloud Computing, die Herausforderungen, Chancen und Designprinzipien für skalierbare Datenverarbeitung untersucht.
-
#2Computational Resource Efficient Learning (CoRE-Learning): Ein theoretischer Rahmen für zeitgeteiltes maschinelles LernenStellt CoRE-Learning vor, einen theoretischen Rahmen, der zeitgeteilte Rechenressourcen und den Durchsatz des maschinellen Lernens in die Lerntheorie integriert.
-
#3Computing Power Coin - Technische Dokumentation und RessourcenUmfassende technische Dokumentation und Ressourcen zur Computing Power Coin-Technologie und ihren Anwendungen.
-
#4Hochleistungsrechnen mit einem konservativen spektralen Boltzmann-Löser: Analyse und ImplementierungAnalyse einer deterministischen Spektralmethode für die Boltzmann-Gleichung mit Fokus auf HPC-Implementierung, Genauigkeit zweiter Ordnung und Anwendungen auf Nichtgleichgewichtsströmungen.
-
#5Robuste MPC mit stationärem Bewusstsein für ressourcenbeschränkte Systeme mit StörungenEin neuartiges, robustes MPC-Framework, das stationäres Bewusstsein mit rohrbasiertem Design für Systeme mit begrenzten Rechenressourcen und externen Störungen kombiniert.
-
#6Surrogate Modeling für skalierbare Bewertung von verteilten Rechensystemen in der HochenergiephysikAnalyse der Verwendung von ML-Surrogatmodellen zur Beschleunigung von Simulationen von HEP-Computing-Workflows, um den Zielkonflikt zwischen Genauigkeit und Skalierbarkeit in Tools wie DCSim zu überwinden.
-
#7Leistungsanalyse traditioneller VQA-Modelle unter begrenzten RechenressourcenEine Analyse traditioneller VQA-Modelle (BidGRU, GRU, BidLSTM, CNN) unter Rechenbeschränkungen mit Fokus auf Effizienz, Genauigkeit bei Zahlen-/Zählfragen und optimalen Konfigurationen.
-
#8Das Konzept eines universellen Grundrechts auf Rechenleistung (UBCP): Ein Rahmenwerk für inklusive KIAnalyse des Vorschlags für ein universelles Grundrecht auf Rechenleistung (UBCP), einer politischen Initiative für kostenlosen, universellen Zugang zu KI-Ressourcen gegen Zentralisierung und für inklusive KI-Entwicklung.
Zuletzt aktualisiert: 2025-12-16 09:35:58