| 标题 |
FederatedHPC: a scalable framework for privacy-preserving federated learning in scientific supercomputing workflows 相关领域
计算机科学
可扩展性
分布式计算
超级计算机
工作流程
节点(物理)
适应性
能源消耗
高效能源利用
同步(交流)
性能指标
推论
弹性(材料科学)
方案(数学)
负载平衡(电力)
网格
公制(单位)
适应(眼睛)
带宽(计算)
服务器
雾计算
网格计算
无线传感器网络
计算机网络
等级制度
基线(sea)
聚类分析
趋同(经济学)
联合学习
数据聚合器
洪水(心理学)
信息隐私
Exascale计算
点对点
|
| 网址 | |
| DOI | |
| 其它 |
期刊:The Journal of Supercomputing 作者:Waseem Abbass; Nasim Abbas; Uzma Majeed; Muhammad Ehtisham Hassan 出版日期:2025-12-24 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
|
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)