在实际情况下，多模式联合学习通常会面临错综复杂的模式缺失的实际挑战，这对构建联合框架构成了限制，并大大降低了模型的推理准确性。解决丢失模式的现有解决方案通常涉及在客户端上开发特定于模式的编码器，并在服务器上培训模式融合模块。但是，这些方法主要限制在单峰客户端或完整的多模式客户端的特定情况下，努力在复杂的模态缺失方案中有效地概括 ...
医疗图像分割是医学图像分析中的重要一步。随着图像处理中卷积神经网络的快速发展，深度学习已用于医学图像分割，例如视盘分段，血管检测，肺部分割，细胞分割等。先前已经提出了基于U-NET的方法 ...
联合学习是一个分布式优化范式，它使大量资源有限的客户节点能够合作训练模型而无需数据共享。几项工作通过计算数据异质性，通信和计算限制以及部分客户参与来分析联合学习的融合。但是，他们假设客户参与度无偏见，其中随机选择客户的数据大小 ...
测试时间适应方法最近一直在引起人们的注意，作为通过逐渐更新模型而无需在目标数据上标记的模型来解决源对目标域间隙的实用解决方案。在本文中，我们提出了一种用于类别级对象姿势估计的测试时间适应方法，称为TTA-COPE。我们使用姿势感知信心设计了一种姿势合奏方法，并以自我训练的损失 ...
加速基于 Transformer 的大语言模型（LLMS）的端到端推断是数据中心中AI服务的关键组成部分。但是，端到端LLM推理的各种计算特征当前的挑战如前所述，仅针对某些操作或阶段（例如， ...
联合学习（FL）允许多个客户协作培训深度学习模型。 FL的一个主要挑战是何时数据分布是异质的，即 ...
图神经网络（GNN）对于从图形结构数据中学习，使应用程序中的应用程序在网络分析，建议系统和语音分析中至关重要。将它们部署在客户端PC和笔记本电脑等边缘设备上可增强实时处理，隐私和云独立性。 GNNS辅助检索授权的生成（RAG）用于大型语言模型（LLMS），并启用基于事件的视力任务 ...
远距离（LORA）无线网络已被广泛提出，作为电池约束物联网（IoT）设备的有效无线访问网络。在许多实际的搜索和救援（SAR）操作中，一个具有挑战性的问题是找到失落的人携带的设备的位置。但是，使用基于LORA的IoT网络进行SAR操作，由于陆地堵塞尤其是在高度偏远的地区，由于高信号衰减而导致的覆盖范围有限 ...
