登录
欢迎莅临 IEEE HotICN 中文社区，IEEE HotICN 国际学术会议网站： https://hoticn.com, https://hoticn.cn。

 分类：人工智能

TGraph: A Tensor-centric Graph Processing Framework

TGraph: A Tensor-centric Graph Processing Framework
1. 摘要（Abstract） TGraph是首个基于张量的通用图处理框架，旨在解决现有图系统难以跨硬件后端迁移的问题。传统图处理系统（如Ligra、Gunrock、cuGraph等）多针对特定硬件（如NVIDIA GPU或FPGA）进行深度优化，虽然在特定平台上性能突出...

hhx 3个月前 (04-20)

VEGA: An Active-tuning Learned Index with Group-Wise Learning Granularity

VEGA: An Active-tuning Learned Index with Group-Wise Learning Granularity
1. 摘要（Abstract） VEGA提出了一种全新的只读型（immutable）学习索引，旨在同时实现最先进的经验查询性能和严格的理论查询复杂度保证。现有最快的不变学习索引（如RMI）虽在实际查询吞吐量上表现突出，但缺乏非平凡的最坏情况查询界限；相反，提供紧致界限的索...

hhx 3个月前 (04-13)

Detecting Influence Structures in Multi-Agent Reinforcement Learning

Detecting Influence Structures in Multi-Agent Reinforcement Learning
① 研究背景：从“策略学习”走向“影响建模” 在多智能体强化学习（MARL）中，一个几乎所有工作都默认但很少被真正刻画的问题是：智能体之间到底是如何相互影响的？论文开篇就明确指出：“理解智能体之间的相互影响对于有效学习策略至关重要”在MARL系统中，所有智能体都处在一个共...

前康 3个月前 (04-07)

Hydro: Adaptive Query Processing of ML Queries

Hydro: Adaptive Query Processing of ML Queries
1. 摘要（Abstract） Hydro提出了一种面向机器学习查询的数据库管理系统（ML-centric DBMS），核心创新在于将自适应查询处理（Adaptive Query Processing，AQP）技术全面引入UDF密集型查询场景，从而彻底解决传统静态查询优化...

hhx 3个月前 (03-30)

Closed-form continuous-time neural networks

Closed-form continuous-time neural networks
① 研究背景 连续时间神经网络近年来逐渐成为深度学习中的重要研究方向。这类模型通常通过微分方程（Differential Equations）描述神经网络状态随时间的动态演化，能够在连续时间域上建模复杂系统，因此在时序建模、物理系统模拟以及不规则时间序列处理等任务...

前康 4个月前 (03-18)

Liquid-Graph Time-Constant Networkfor Multi-Agent Systems Control

Liquid-Graph Time-Constant Networkfor Multi-Agent Systems Control
①研究背景： 在多智能体系统（Multi-Agent Systems, MAS）中，通信是实现分布式控制和规划的关键要素。通过智能体之间的信息交换，可以将预测和决策过程分布到多个节点上，从而提高系统的可扩展性与预测能力。近年来，随着数据驱动控制方法的发展，越来越多研究尝试...

前康 4个月前 (03-16)