heterogeneous-systems

本文介绍了基于层的联邦表示学习（SFRL），这是一个通过可学习的层限制映射和二次粘合正则化器来对齐异构局部表示的框架，无需假设共享的全局潜在空间。提出了一种具有收敛保证的分散式算法（Sheaf-FRL），并证明其在与数据异构和模型异构下的协作分类中优于基线方法。

本文提出了一种用于异构多轨距铁路系统中动态路线优化和干扰管理的时间规划框架。该框架将铁路运营形式化为使用PDDL 2.1的时间规划问题，生成无冲突的时间戳运营计划，并减少对人工决策的依赖，在最多包含1000个轨道点和120列火车的基准问题上进行了评估。