Buchumschlag

FedCVT: Semi-supervised Vertical Federated Learning with Cross-view Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kang, Yan, Liu, Yang, Liang, Xinle
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-supervised Cross-silo Federated Neural Architecture Search
von: Liang, Xinle, et al.
Veröffentlicht: (2021)

Adversarial Graph Fusion for Incomplete Multi-view Semi-supervised Learning with Tensorial Imputation
von: Jiang, Zhangqi, et al.
Veröffentlicht: (2025)

Active-Passive Federated Learning for Vertically Partitioned Multi-view Data
von: Liu, Jiyuan, et al.
Veröffentlicht: (2024)

FedCross: Towards Accurate Federated Learning via Multi-Model Cross-Aggregation
von: Hu, Ming, et al.
Veröffentlicht: (2022)

FedCG: Leverage Conditional GAN for Protecting Privacy and Maintaining Competitive Performance in Federated Learning
von: Wu, Yuezhou, et al.
Veröffentlicht: (2021)

FedSR: A Semi-Decentralized Federated Learning Algorithm for Non-IIDness in IoT System
von: Huang, Jianjun, et al.
Veröffentlicht: (2024)

FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning
von: Shen, Jie, et al.
Veröffentlicht: (2023)

FedAnchor: Enhancing Federated Semi-Supervised Learning with Label Contrastive Loss for Unlabeled Clients
von: Qiu, Xinchi, et al.
Veröffentlicht: (2024)

FedQueue: Queue-Aware Federated Learning for Cross-Facility HPC Training
von: Li, Yijiang, et al.
Veröffentlicht: (2026)

Vertical Semi-Federated Learning for Efficient Online Advertising
von: Li, Wenjie, et al.
Veröffentlicht: (2022)

Combating Data Imbalances in Federated Semi-supervised Learning with Dual Regulators
von: Bai, Sikai, et al.
Veröffentlicht: (2023)

SparsyFed: Sparse Adaptive Federated Training
von: Guastella, Adriano, et al.
Veröffentlicht: (2025)

Incremental Self-training for Semi-supervised Learning
von: Guo, Jifeng, et al.
Veröffentlicht: (2024)

FedCure: Mitigating Participation Bias in Semi-Asynchronous Federated Learning with Non-IID Data
von: Chen, Yue, et al.
Veröffentlicht: (2025)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

Probability-density-aware Semi-supervised Learning
von: Liu, Shuyang, et al.
Veröffentlicht: (2024)

FedMSE: Semi-supervised federated learning approach for IoT network intrusion detection
von: Nguyen, Van Tuan, et al.
Veröffentlicht: (2024)

CARE-RL: Capability-Aware Reinforcement Learning for Mitigating Cross-Domain Conflicts
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

FedPall: Prototype-based Adversarial and Collaborative Learning for Federated Learning with Feature Drift
von: Zhang, Yong, et al.
Veröffentlicht: (2025)

FedMomentum: Preserving LoRA Training Momentum in Federated Fine-Tuning
von: Yan, Peishen, et al.
Veröffentlicht: (2026)

Towards the Mitigation of Confirmation Bias in Semi-supervised Learning: a Debiased Training Perspective
von: Wang, Yu, et al.
Veröffentlicht: (2024)

FedHQ: Hybrid Runtime Quantization for Federated Learning
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

A Unified Framework for Heterogeneous Semi-supervised Learning
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

Semi-supervised Graph Anomaly Detection via Robust Homophily Learning
von: Ai, Guoguo, et al.
Veröffentlicht: (2025)

FedDCSR: Federated Cross-domain Sequential Recommendation via Disentangled Representation Learning
von: Zhang, Hongyu, et al.
Veröffentlicht: (2023)

FedQS: Optimizing Gradient and Model Aggregation for Semi-Asynchronous Federated Learning
von: Li, Yunbo, et al.
Veröffentlicht: (2025)

FedCCRL: Federated Domain Generalization with Cross-Client Representation Learning
von: Wang, Xinpeng, et al.
Veröffentlicht: (2024)

Robust Semi-supervised Learning by Wisely Leveraging Open-set Data
von: Yang, Yang, et al.
Veröffentlicht: (2024)

Minimax Estimation for Personalized Federated Learning: An Alternative between FedAvg and Local Training?
von: Chen, Shuxiao, et al.
Veröffentlicht: (2021)

Vertical Federated Learning: Concepts, Advances and Challenges
von: Liu, Yang, et al.
Veröffentlicht: (2022)

Feature Space Renormalization for Semi-supervised Learning
von: Sun, Jun, et al.
Veröffentlicht: (2023)

Exploring Probabilistic Models for Semi-supervised Learning
von: Wang, Jianfeng
Veröffentlicht: (2024)

FedCVU: Federated Learning for Cross-View Video Understanding
von: Zhang, Shenghan, et al.
Veröffentlicht: (2026)

Decoupled Vertical Federated Learning for Practical Training on Vertically Partitioned Data
von: Amalanshu, Avi, et al.
Veröffentlicht: (2024)

FedSheafHN: Personalized Federated Learning on Graph-structured Data
von: Liang, Wenfei, et al.
Veröffentlicht: (2024)

SemiReward: A General Reward Model for Semi-supervised Learning
von: Li, Siyuan, et al.
Veröffentlicht: (2023)

FedMuon: Accelerating Federated Learning with Matrix Orthogonalization
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

Client-supervised Federated Learning: Towards One-model-for-all Personalization
von: Yan, Peng, et al.
Veröffentlicht: (2024)

FedEmb: A Vertical and Hybrid Federated Learning Algorithm using Network And Feature Embedding Aggregation
von: Meng, Fanfei, et al.
Veröffentlicht: (2023)

FedProK: Trustworthy Federated Class-Incremental Learning via Prototypical Feature Knowledge Transfer
von: Gao, Xin, et al.
Veröffentlicht: (2024)