:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Richeng, Huang, Yufan, He, Xiaofan, Dai, Huaiyu, Wu, Tianfu
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2002.10940
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distribution-Aware Mobility-Assisted Decentralized Federated Learning
von: Reza, Md Farhamdur, et al.
Veröffentlicht: (2025)

Hierarchical Federated Learning in Wireless Networks: Pruning Tackles Bandwidth Scarcity and System Heterogeneity
von: Pervej, Md Ferdous, et al.
Veröffentlicht: (2023)

Mobility-Assisted Decentralized Federated Learning: Convergence Analysis and A Data-Driven Approach
von: Jahani, Reza, et al.
Veröffentlicht: (2025)

TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data
von: Jin, Richeng, et al.
Veröffentlicht: (2024)

Gradient Compression May Hurt Generalization: A Remedy by Synthetic Data Guided Sharpness Aware Minimization
von: Gu, Yujie, et al.
Veröffentlicht: (2026)

Byzantine Outside, Curious Inside: Reconstructing Data Through Malicious Updates
von: Yue, Kai, et al.
Veröffentlicht: (2025)

GSBA$^K$: $top$-$K$ Geometric Score-based Black-box Attack
von: Reza, Md Farhamdur, et al.
Veröffentlicht: (2025)

Conceal, Reconstruct, Jailbreak: Exploiting the Reconstruction-Concealment Tradeoff in MLLMs
von: Reza, Md Farhamdur, et al.
Veröffentlicht: (2026)

SignSGD with Federated Voting
von: Park, Chanho, et al.
Veröffentlicht: (2024)

Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy
von: Jin, Richeng, et al.
Veröffentlicht: (2023)

StoSignSGD: Unbiased Structural Stochasticity Fixes SignSGD for Training Large Language Models
von: Yu, Dingzhi, et al.
Veröffentlicht: (2026)

Quantifying Multimodal Capabilities: Formal Generalization Guarantees in Pairwise Metric Learning
von: Zhou, Richeng, et al.
Veröffentlicht: (2026)

Computation- and Communication-Efficient Online FL for Resource-Constrained Aerial Vehicles
von: Pervej, Ferdous, et al.
Veröffentlicht: (2025)

SignSGD with Federated Defense: Harnessing Adversarial Attacks through Gradient Sign Decoding
von: Park, Chanho, et al.
Veröffentlicht: (2024)

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

Advancing Hybrid Defense for Byzantine Attacks in Federated Learning
von: Yue, Kai, et al.
Veröffentlicht: (2024)

Federated Learning Nodes Can Reconstruct Peers' Image Data
von: Wilson, Ethan, et al.
Veröffentlicht: (2024)

NTK-DFL: Enhancing Decentralized Federated Learning in Heterogeneous Settings via Neural Tangent Kernel
von: Thompson, Gabriel, et al.
Veröffentlicht: (2024)

A Generalized Meta Federated Learning Framework with Theoretical Convergence Guarantees
von: Jamali, Mohammad Vahid, et al.
Veröffentlicht: (2025)

When and Why SignSGD Outperforms SGD: A Theoretical Study Based on $\ell_1$-norm Lower Bounds
von: Tao, Hongyi, et al.
Veröffentlicht: (2026)

CHEEM: Continual Learning by Reuse, New, Adapt and Skip -- A Hierarchical Exploration-Exploitation Approach
von: Savadikar, Chinmay, et al.
Veröffentlicht: (2023)

Improved Stability and Generalization Guarantees of the Decentralized SGD Algorithm
von: Bars, Batiste Le, et al.
Veröffentlicht: (2023)

Dimensionality Reduction for Robust Federated Learning: A Theoretical Analysis and Convergence Guarantee
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2026)

Sign-SGD via Parameter-Free Optimization
von: Medyakov, Daniil, et al.
Veröffentlicht: (2025)

Scaling Laws of SignSGD in Linear Regression: When Does It Outperform SGD?
von: Kim, Jihwan, et al.
Veröffentlicht: (2026)

High-Probability Convergence Guarantees of Decentralized SGD
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2025)

Theoretically Guaranteed Distribution Adaptable Learning
von: Xu, Chao, et al.
Veröffentlicht: (2024)

Phases of Muon: When Muon Eclipses SignSGD
von: Paquette, Elliot, et al.
Veröffentlicht: (2026)

From PowerSGD to PowerSGD+: Low-Rank Gradient Compression for Distributed Optimization with Convergence Guarantees
von: Xie, Shengping, et al.
Veröffentlicht: (2025)

A Hessian-Aware Stochastic Differential Equation for Modelling SGD
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Fundamental Limitations of Favorable Privacy-Utility Guarantees for DP-SGD
von: Ertan, Murat Bilgehan, et al.
Veröffentlicht: (2026)

Demystifying SGD with Doubly Stochastic Gradients
von: Kim, Kyurae, et al.
Veröffentlicht: (2024)

H$^3$GNNs: Harmonizing Heterophily and Homophily in GNNs via Joint Structural Node Encoding and Self-Supervised Learning
von: Xue, Rui, et al.
Veröffentlicht: (2025)

A Generalized Hierarchical Federated Learning Framework with Theoretical Guarantees
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2025)

SLowcal-SGD: Slow Query Points Improve Local-SGD for Stochastic Convex Optimization
von: Dahan, Tehila, et al.
Veröffentlicht: (2023)

Leveraging Flatness to Improve Information-Theoretic Generalization Bounds for SGD
von: Peng, Ze, et al.
Veröffentlicht: (2026)

Efficient Federated Learning with Timely Update Dissemination
von: Jia, Juncheng, et al.
Veröffentlicht: (2025)

Transformation-Invariant Learning and Theoretical Guarantees for OOD Generalization
von: Montasser, Omar, et al.
Veröffentlicht: (2024)

HEART: Achieving Timely Multi-Model Training for Vehicle-Edge-Cloud-Integrated Hierarchical Federated Learning
von: Yang, Xiaohong, et al.
Veröffentlicht: (2025)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)