跳至主導覽
跳至搜尋
跳過主要內容
國立陽明交通大學研發優勢分析平台 首頁
English
中文
首頁
人員
單位
研究成果
計畫
獎項
活動
貴重儀器
影響
按專業知識、姓名或所屬機構搜尋
Communication-Efficient Federated DNN Training: Convert, Compress, Correct
Zhong Jing Chen, Eduin E. Hernandez,
Yu Chih Huang
,
Stefano Rini
*
*
此作品的通信作者
電機工程學系
電信工程研究所
研究成果
:
Article
›
同行評審
總覽
指紋
指紋
深入研究「Communication-Efficient Federated DNN Training: Convert, Compress, Correct」主題。共同形成了獨特的指紋。
排序方式
重量
按字母排序
Computer Science
Deep Neural Network
100%
Neural Network Training
100%
Quantisation Error
50%
Parameter Server
50%
Normal Distribution
25%
Neural Network Model
25%
Communication Overhead
25%
Mathematical Convergence
25%
Gradient Descent
25%
Compression Scheme
25%
Floating Point
25%
Learning Rate
25%
Lossless Compression
25%
Mathematics
Deep Neural Network
100%
Quantisation Error
50%
Stochastics
25%
Gaussian Distribution
25%
Nonuniform
25%
Convergence Analysis
25%
Network Model
25%
Lossless Compression
25%
Keyphrases
Memory Decay
66%
Gradient Quantization
33%