Telusuri profil teknologi beserta ringkasan dan rujukannya.
Algoritme streaming untuk Maximum Directed Cut dan constraint satisfaction diteliti pada model komputasi yang memberi banyak lintasan, prediksi, distribusi tertentu, atau bantuan kuantum.
Pengaruh pengetahuan topologi awal diteliti untuk algoritme graf terdistribusi yang hemat pesan dengan kompromi waktu, komunikasi, dan jumlah informasi tiap simpul.
Distribusi spasial distorsi sinyal dan kesalahan perangkat IoT diteliti sebagai fitur fisik untuk komunikasi aman lintas protokol yang heterogen.
Ukuran berbasis informasi, permainan, dan kausalitas dikembangkan untuk menghitung kontribusi atribut terhadap akurasi serta diskriminasi dalam data pembelajaran terawasi.
Optimasi aliran biaya minimum nonkonveks menggunakan iteratively reweighted least squares dan solver Laplacian untuk jaringan pembayaran serta transportasi.
Penamaan NDN dan kendali SDN mengarahkan permintaan edge yang serupa ke server dengan hasil komputasi yang dapat digunakan ulang.
Kompresi model multitugas memprioritaskan tugas tersulit untuk mengurangi kebutuhan perangkat tepi tanpa mengorbankan secara tidak terkendali kinerja tugas bersama.
Mobile augmented reality kooperatif akan memakai offloading reinforcement learning dan agregasi layanan LSTM untuk menyeimbangkan latency, energi, serta ketepatan data.
Kendali kongesti berbasis pembelajaran mesin diteliti untuk lalu lintas I/O bursty ketika node komputasi mengakses penyimpanan terpisah melalui jaringan cepat.
Tautan optik retroreflektif diteliti untuk menyatukan pengindraan, penentuan posisi, dan komunikasi nirkabel dengan rancangan pembaca cahaya, tag, serta protokol bersama.
Model penjadwalan multicore mengintegrasikan pemantauan keamanan sebagai komponen utama sistem real-time sambil mengukur kompromi antara deadline dan perlindungan siber.
Pembelajaran federasi pada perangkat IoT akan diteliti untuk berbagi pengetahuan lintasperangkat heterogen dengan sumber daya dan label data yang terbatas.
Prediksi kegagalan persepsi sistem siber-fisik otonom diteliti untuk mengatur ulang konfigurasi sebelum kondisi lingkungan menyebabkan detektor objek gagal beroperasi.
Komunikasi IoT hybrid memadukan mode pasif-aktif dan pemanenan energi dari sinyal sekitar dengan ko-desain lapisan fisik serta protokol MAC.
Privasi deterministik dan kendali tangguh digabungkan untuk menjaga informasi serta ketahanan agen pada sistem siberfisik berjaringan yang berubah.
FAICYS menggabungkan pembelajaran penguatan dan optimasi stokastik untuk mencari jejak pelanggaran logika temporal pada sistem siberfisik yang memakai komponen AI.
Kerangka kembaran digital tiga dimensi langsung mengembangkan operator pipeline dan kendali sumber terdistribusi untuk menjaga latensi serta akurasi saat jaringan berubah.
Pembelajaran federatif berkelanjutan dirancang memperbarui model neural pada data tepi tanpa label yang heterogen dengan bantuan explainable AI untuk mempercepat pelatihan lokal.