.png){kind=icon}
返回
Real-time network-aware compression for efficient split learning in distributed systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jnca.2026.104555.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 分拆学习中的通信效率通过一种新颖的动态自适应压缩技术实现。• 与多种架构和基于SL的技术兼容。• 在真实测试平台上的验证和广泛的网络性能分析。
期刊
IF:
8
论文数:
3.7K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
AdaptSFL: Adaptive Split Federated Learning in Resource-Constrained Edge NetworksAdaptSFL: 资源受限边缘网络中的自适应分裂联邦学习
PREAI
分享收藏Efficient Parallel Split Learning Over Resource-Constrained Wireless Edge Networks资源受限无线边缘网络上的高效并行分裂学习
OAAI
OAAI分享收藏An Overview for Designing 6G Networks: Technologies, Spectrum Management, Enhanced Air Interface, and AI/ML Optimization6g网络设计概述: 技术、频谱管理、增强型空中接口和AI/ML优化
PREAI
分享收藏Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference用于有效的仅整数算术推理的神经网络的量化和训练
OAAI
OAAI分享收藏Federated Split Learning via Low-Rank Approximation: A Communication-Efficient Approach基于低秩近似的联邦分割学习：一种通信高效的方法
PREAI
分享收藏
查看更多内容