( en | de | ru )

 

Disambiguierung von "Lee, Yunjae"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Understanding the Implication of Non-Volatile Memory for Large-Scale Graph Neural Network Training.

, , und . IEEE Comput. Archit. Lett., 20 (2): 118-121 (2021)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Xavier Lee Lee

Bongsoo Lee

The role of negative regulators in coordination of the Myxococcus xanthus developmental program. Uni Marburg, (2009)

Min-Hi Lee

Induction and regulation of antiviral defence mechanisms through intracytoplasmic sensors. HU Berlin, (2009)

Viktor Lee

Hyemin Lee

 

Weitere Publikationen von Autoren mit dem selben Namen

Profiling Dynamic Data Access Patterns with Controlled Overhead and Quality., , und . Middleware Industry, Seite 1-7. ACM, (2019)Memory efficient fork-based checkpointing mechanism for in-memory database systems., , , und . SAC, Seite 420-427. ACM, (2020)An adaptive page replacement scheme for scientific applications., , und . ACSOS Companion, Seite 36-41. IEEE, (2020)Competition-Based Adaptive Caching for Out-of-core Graph Processing., , , und . CCGRID, Seite 31-40. IEEE, (2021)Understanding the Implication of Non-Volatile Memory for Large-Scale Graph Neural Network Training., , und . IEEE Comput. Archit. Lett., 20 (2): 118-121 (2021)Tensor Casting: Co-Designing Algorithm-Architecture for Personalized Recommendation Training., , und . HPCA, Seite 235-248. IEEE, (2021)PreSto: An In-Storage Data Preprocessing System for Training Recommendation Models., , und . ISCA, Seite 340-353. IEEE, (2024)SmartSAGE: training large-scale graph neural networks using in-storage processing architectures., , und . ISCA, Seite 932-945. ACM, (2022)Profiling Dynamic Data Access Patterns with Bounded Overhead and Accuracy., , , und . FAS*W@SASO/ICAC, Seite 200-204. IEEE, (2019)TensorDIMM: A Practical Near-Memory Processing Architecture for Embeddings and Tensor Operations in Deep Learning., , und . MICRO, Seite 740-753. ACM, (2019)