:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liyanaarachchi, Sahan, Thilakarathna, Kanchana, Ulukus, Sennur
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Information Theory
Online-Zugang:	https://arxiv.org/abs/2405.15744
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SEDULity: A Proof-of-Learning Framework for Distributed and Secure Blockchains with Efficient Useful Work
von: Cao, Weihang, et al.
Veröffentlicht: (2025)

Distributed Mixture-of-Agents for Edge Inference with Large Language Models
von: Mitra, Purbesh, et al.
Veröffentlicht: (2024)

Temporary Power Adjusting Withholding Attack
von: Doger, Mustafa, et al.
Veröffentlicht: (2026)

Transaction Capacity, Security and Latency in Blockchains
von: Doger, Mustafa, et al.
Veröffentlicht: (2024)

Effect of Full Common Randomness Replication in Symmetric PIR on Graph-Based Replicated Systems
von: Meel, Shreya, et al.
Veröffentlicht: (2025)

Refined Bitcoin Security-Latency Under Network Delay
von: Doger, Mustafa, et al.
Veröffentlicht: (2022)

Privacy-aware Berrut Approximated Coded Computing for Federated Learning
von: Luaña, Xavier Martínez, et al.
Veröffentlicht: (2024)

An Incentive-Compatible Semi-Parallel Proof-of-Work Protocol
von: Doger, Mustafa, et al.
Veröffentlicht: (2025)

When Should Selfish Miners Double-Spend?
von: Doger, Mustafa, et al.
Veröffentlicht: (2025)

Low-Latency Task-Oriented Communications with Multi-Round, Multi-Task Deep Learning
von: Sagduyu, Yalin E., et al.
Veröffentlicht: (2024)

PoW Security-Latency under Random Delays and the Effect of Transaction Fees
von: Doger, Mustafa, et al.
Veröffentlicht: (2024)

Decentralized Federated Learning Over Imperfect Communication Channels
von: Li, Weicai, et al.
Veröffentlicht: (2024)

Scalable and Reliable Over-the-Air Federated Edge Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2024)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Personalizing Federated Learning for Hierarchical Edge Networks with Non-IID Data
von: Lee, Seunghyun, et al.
Veröffentlicht: (2025)

Personalized Federated Learning for Generative AI-Assisted Semantic Communications
von: Peng, Yubo, et al.
Veröffentlicht: (2024)

Closing the Generalization Gap in Parameter-efficient Federated Edge Learning
von: Du, Xinnong, et al.
Veröffentlicht: (2025)

Perfect Privacy for Discriminator-Based Byzantine-Resilient Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

BICompFL: Stochastic Federated Learning with Bi-Directional Compression
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Hierarchical Federated Learning with SignSGD: A Highly Communication-Efficient Approach
von: Kazemi, Amirreza, et al.
Veröffentlicht: (2026)

Hierarchical Federated Learning for Networked AI: From Communication Saving to Architecture-Aware Design
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2026)

Double Spending Analysis of Nakamoto Consensus for Time-Varying Mining Rates with Ruin Theory
von: Doger, Mustafa, et al.
Veröffentlicht: (2024)

Beyond Trade-offs: A Unified Framework for Privacy, Robustness, and Communication Efficiency in Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

Multi-Agent Distributed Optimization With Feasible Set Privacy
von: Meel, Shreya, et al.
Veröffentlicht: (2025)

Exploiting Correlations in Federated Learning: Opportunities and Practical Limitations
von: Edin, Adrian, et al.
Veröffentlicht: (2026)

The Entrapment Problem in Random Walk Decentralized Learning
von: Liu, Zonghong, et al.
Veröffentlicht: (2024)

Learning from Acceptance: Cumulative Regret in the Game of Coding
von: Nodehi, Hanzaleh Akbari, et al.
Veröffentlicht: (2026)

Dynamic Scheduling for Vehicle-to-Vehicle Communications Enhanced Federated Learning
von: Yan, Jintao, et al.
Veröffentlicht: (2024)

LoByITFL: Low Communication Secure and Private Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2024)

Satellite Federated Edge Learning: Architecture Design and Convergence Analysis
von: Shi, Yuanming, et al.
Veröffentlicht: (2024)

Federated One-Shot Learning with Data Privacy and Objective-Hiding
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

A Unified Analysis of Federated Learning with Arbitrary Client Participation
von: Wang, Shiqiang, et al.
Veröffentlicht: (2022)

WW-FL: Secure and Private Large-Scale Federated Learning
von: Marx, Felix, et al.
Veröffentlicht: (2023)

Coded Computing for Resilient Distributed Computing: A Learning-Theoretic Framework
von: Moradi, Parsa, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Secure Aggregation for Federated Learning Without Privacy Compromises
von: Xia, Yue, et al.
Veröffentlicht: (2024)

Scheduling and Aggregation Design for Asynchronous Federated Learning over Wireless Networks
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2022)

Rethinking Resource Management in Edge Learning: A Joint Pre-training and Fine-tuning Design Paradigm
von: Lyu, Zhonghao, et al.
Veröffentlicht: (2024)

Approximate Gradient Coding for Privacy-Flexible Federated Learning with Non-IID Data
von: Makkonen, Okko, et al.
Veröffentlicht: (2024)

Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2024)

Privacy-aware Berrut Approximated Coded Computing applied to general distributed learning
von: Martínez-Luaña, Xavier, et al.
Veröffentlicht: (2025)