{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,9,6]]，“日期时间”：“2024-09-06T22:28:50Z”，“时间戳”：1725661730487}，“参考计数”：43，“发布者”：“IEEE”，“许可证”：[{“开始”：{-date-parts”：[2021,10,1]]，”日期时间“：“2021-10-01T00:00:00 Z“，”timestamp“：163304640000}，”content-version“：”vor“，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}，{“start”：{“date-parts”：[[2021,10,1]]，“date-time”：“2021-10-01T00:00:00Z”，“timestamp”：163304640000}，“content-version”：“stm-asf”，“delay-in-days“：0，”URL“https:\\/doi.org\/10.15223 \/policy-029“}，{“开始”：{“日期部分”：[[2021,10,1]]，“date-time”：“2021-10-01T00:00:00Z”，“timestamp”：1633046400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}]，“funder”：[{“doi”：“10.13039\/501100001602”，“name”：“爱尔兰科学基金会”，“doi-asserted-by”：“publisher”，“id”：[}“id”501100001602“，”id-type“：”doi“，”asserted-by“：”publisher“}]}，{“DOI”：“10.13039\/501100001602”，“name”：“爱尔兰科学基金会”，“DOI-asserted-by”：“publisher”，“id”：[{“id”:“10.13029\/5011000001602”，”id-type“：”DOI“，”asserted-by“：”publisher“}]}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[]，”published-print“：{”date-parts“：[2021,10]]}，“DOI”：“10.1109\/swc50871.2021.00024”，“type”：“proceedings article”，“created”：｛“date parts”：[[2021,11,18]]，“date time”：“2021-11-18T22:20:05Z”，“timestamp”：1637274005000｝，“page”：“107-114”，“source”：“Crossref”，“由count引用”：2，“title”：[“Globe2Train:使用全球物联网设备进行分布式ML模型训练的框架”]，“prefix”：“10.1109”，“author”：[｛“given”：“Bharath”，“family”：“Sudharsan”，“sequence”：“first”，“affiliation”：[]}，{“given”：“John G.”，”family“：”Breslin“，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“：”Muhammad“，”faily“：“Intizar Ali”，《sequence》：“additional”，“faliation”:[]}]，“member”：“263”，“reference”：[{“doi-asserted-by”：”publisher“，“key”：”ref39“，“doi”：“10.1109\/TAC.1986.1104412”}，{“年份”：“0”，“author”：“waleed”，“article title”：“Dataset”，“key”：“ref38”}，{“year”：“2017”，“author”：“kumar”，“journal title”：“第34届国际机器学习大会（ICML）”，“article title”：“物联网2 KB RAM中的资源高效机器学习”，“key”：“ref33”}，{“doi asserted by”：“publisher”，“key”：“ref32”，“doi”：“10.1109\/GLOCOM.2016.7842181”}，{“年份”：“2020”，“author”：“keshavarz”，“article-title”：“Sefr:超低功耗设备的快速线性时间分类器”，“key”：“ref31”}：“ref37”，“DOI”：“10.1109\/SWC50871.2021.00023”}，{“DOI-asserted-by”：“publisher”，“key”：“ref36”，“DOI”：“101109\/IJCNN52387.2021.9533927”}007\/978-3-030-86517-7_2“}，{“DOI-asserted-by”：“publisher”，“key”：“ref10”，“DOI”：“10.1016\/j.ijrobp.2017.04.021”}，{“年份”：“2011”，“作者”：“recht”，“日志标题”：“神经信息处理系统（NIPS）”，“文章标题”：”Hogwild:并行化随机梯度下降的无锁方法“，”key“：”ref40“}，“doi-asserted-by”：“publisher”，“key”：“ref11”，“doi”：“10.1145\/3450268.3453513”}、{“年”：“2018”，“author”：“代”，“article-title”：“理解分布式机器学习中陈旧性的影响”，“key”：“ref12”}，{“year”：“2018”，“author”：“tang”，“article-title:“D2:分散数据的分散培训”，“key”：”ref13“}，}“year:”2018“，”author“：”lian“，”journal-title“：”国际机器学习会议（ICML）“，”article-title“：“Adpsgd异步分散并行随机梯度下降”，“key”：“ref14”}，{“year”：“2017”，“author”：“wen”，“journal-title”：“Neural Information Processing Systems（NIPS）”，“article-title（文章标题）”：“Terngrad:减少分布式深度学习中的交流的三元梯度”，“key”：：“10.1109\/MIC.2021.3053711”}，{“年份”：“2014”，“作者”：“seide”，“新闻标题”：“语际”，“文章标题”：”1位随机梯度下降及其在语音dns数据并行分布式训练中的应用“，”key“：”ref17“}，”{“年”：“2016”，“author”：“alistarh”，“论文标题”：“Qsgd:通信的随机化量化-最优随机梯度下降”，“key”：“ref18”}，{“year”：“2016”，“author”：“zhou”，“article-title”：“Dorefa-net：训练低比特宽梯度的低比特宽卷积神经网络”，“key”：：“Mnasnet:Platform-aware neural architecture searchitecture for mobile”，“key”：“ref28”}，{“doi-asserted-by”：“publisher”，“key”：”ref4“，“doi”：“10.1109”\/ACCESC.2021.3063291“}，}“year”：“2017”，“author”：“huang”，”article-title“：”Condensenet:使用学习的组卷积的高效密集网”，“key”：“ref27”}、{“year:”2017“，”author：“lin”、“article-title”：“深度梯度压缩：减少分布式训练的通信带宽”，“key”：“ref3”}，{“doi-asserted-by”：“publisher”，“key”：”ref6“，”doi“：”10.1145\/3410992.3411005“}，}“year”：“2020”，“author”：“briggs”，“article-title”：“private iot分析的隐私保护联邦学习综述”，“key”：“ref29”}、{“doi-asserted-by”：“publisher”，“key”：“ref5”，“DOI”：“10.1109\/INFOCOM.2018.8486403”}，{“year”：“2021”，“article-title”：“授权您的团队快速、轻松、经济高效地将人工智能集成到您的项目中”，“key”：”ref8“}，“year“：”2021：“15分钟内的培训动力学：视频上的大规模分布式培训”，“key”：“ref2”}，{“doi-asserted-by”：“publisher”，“key”：”ref9“，“doi”：“10.1016\/j.radonc.2016.10.002“}，”年份“：“2019”，“author”：“zhu”，“article-title”：“distributed Training ace the world”，“key”：“ref1”}：“10.21437\/Interspeech.2015-354”}，{“doi-asserted-by”：“publisher”，“key”：“ref22”，“doi”：“10.1109\/IJCNN.2019.8852172”}、{“year”：“2018”，“author”：“chen”，“journal-title”：“AAAI Conference”，《article-title》：“Adacomp:数据并行分布式训练的自适应剩余梯度压缩”，“key”：《ref21》}，}“year:”2012“，”author“：”dean“journal-title“”：“Neural Information Processing Systems（NIPS）”，“article-title”：“大规模分布式深层网络”，“key”：“ref42”}，{“doi-asserted-by”：“publisher”，“key”：“ref24”，“doi”：“10.1109\/JIOT.2021.3098166”}：“驯服野性：霍格沃德式算法的统一分析”，“key”：“ref41”}，{“doi-asserted-by”：“publisher”，“key”：”ref23“，“doi”：“10.1109”，ALLERTON.2016.7852343（NIPS）“，“article-title”：“非凸优化的异步并行随机梯度”，“key”：“ref43”}，{“doi-asserted-by”：“publisher”，“密钥”：“ref25”，“doi”：“10.1109\/WF-IoT51360.2021.9595024”}]，“event”：{“name”：“2021 IEEE SmartWorld，无处不在的智能与计算，高级与可信计算，可扩展计算与通信，人联网和智能城市创新（SmartWorld\/SCALCOM\/UIC\/ATC\/IOP\/SCI）”，“开始”：｛“日期部分”：[[2021,10,18]]｝，“位置”：“美国佐治亚州亚特兰大”，“结束”：｛“日期部分”：[[2021,10,21]]｝，“容器标题”：[“2021 IEEE SmartWorld，无处不在的智能与计算，高级与可信计算，可扩展计算与通信，互联网和智能城市创新（SmartWorld\/SCALCOM\/UIC\/ATC\/IOP\/SCI）”]，“原始标题”：[]，“链接”：[{“URL”：“http://\/xplorestaging.IEEE.org\/ielx7\/9604213\/9604467.pdf？arnumber=9604467”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2022,5,10]]，“date-time”：”2022-05-10T16:51:17Z“，“timestamp”：1652201477000}，“score”：1，“resource”：{primary“：{”URL“https:\/\ieeeexplore.iee.org\/document\/9604467\/“}”，“subtittle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2021,10]]}，“references-count”：43，“URL”：“http://\/dx.doi.org\/10.1109\/swc50871.2021.00024”，“relation”：{}，”subject“：[]，“published”：{“date-parts”：[2021,10]}}}