Buchumschlag

Dynamic Clustering in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Yeongwoo, Hakim, Ezeddin Al, Haraldson, Johan, Eriksson, Henrik, Silva Jr., José Mairton B. da, Fischione, Carlo
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

Blind Federated Learning via Over-the-Air q-QAM
von: Razavikia, Saeed, et al.
Veröffentlicht: (2023)

Federated Learning Using Three-Operator ADMM
von: Kant, Shashi, et al.
Veröffentlicht: (2022)

FedCau: A Proactive Stop Policy for Communication and Computation Efficient Federated Learning
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2022)

VecComp: Vector Computing via MIMO Digital Over-the-Air Computation
von: Razavikia, Saeed, et al.
Veröffentlicht: (2025)

Decentralized Fairness Aware Multi Task Federated Learning for VR Network
von: Tharakan, Krishnendu S., et al.
Veröffentlicht: (2025)

VR-VFL: Joint Rate and Client Selection for Vehicular Federated Learning Under Imperfect CSI
von: Karatas, Metehan, et al.
Veröffentlicht: (2026)

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

Over-the-Air Federated Learning: Rethinking Edge AI Through Signal Processing
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2025)

Towards Cross Domain Generalization of Hamiltonian Representation via Meta Learning
von: Song, Yeongwoo, et al.
Veröffentlicht: (2022)

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

SumComp: Coding for Digital Over-the-Air Computation via the Ring of Integers
von: Razavikia, Saeed, et al.
Veröffentlicht: (2023)

Uncovering Emergent Physics Representations Learned In-Context by Large Language Models
von: Song, Yeongwoo, et al.
Veröffentlicht: (2025)

Stochastic Resetting Mitigates Latent Gradient Bias of SGD from Label Noise
von: Bae, Youngkyoung, et al.
Veröffentlicht: (2024)

Machine Learning for Spectrum Sharing: A Survey
von: Guimarães, Francisco R. V., et al.
Veröffentlicht: (2024)

Dynamic Clustering for Personalized Federated Learning on Heterogeneous Edge Devices
von: Liu, Heting, et al.
Veröffentlicht: (2025)

Machine-Learned Force Fields for Lattice Dynamics at Coupled-Cluster Level Accuracy
von: Schönbauer, Sita, et al.
Veröffentlicht: (2025)

FedDAA: Dynamic Client Clustering for Concept Drift Adaptation in Federated Learning
von: Peng, Fu, et al.
Veröffentlicht: (2025)

Marginal Pseudo-Likelihood Learning of Markov Network structures
von: Pensar, Johan, et al.
Veröffentlicht: (2014)

Optimizing Communication and Device Clustering for Clustered Federated Learning with Differential Privacy
von: Wei, Dongyu, et al.
Veröffentlicht: (2025)

Comparative Evaluation of Clustered Federated Learning Methods
von: Ali, Michael Ben, et al.
Veröffentlicht: (2024)

Clustered Federated Learning via Embedding Distributions
von: Zhang, Dekai, et al.
Veröffentlicht: (2025)

Cluster Specific Representation Learning
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2024)

MoCFL: Mobile Cluster Federated Learning Framework for Highly Dynamic Network
von: Fang, Kai, et al.
Veröffentlicht: (2025)

Fed-BAC: Federated Bandit-Guided Additive Clustering in Hierarchical Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2026)

Decoupled Subgraph Federated Learning
von: Aliakbari, Javad, et al.
Veröffentlicht: (2024)

Interaction-Aware Gaussian Weighting for Clustered Federated Learning
von: Licciardi, Alessandro, et al.
Veröffentlicht: (2025)

One-Shot Clustering for Federated Learning
von: Zuziak, Maciej Krzysztof, et al.
Veröffentlicht: (2025)

Personalized Federated Learning for Cellular VR: Online Learning and Dynamic Caching
von: Tharakan, Krishnendu S., et al.
Veröffentlicht: (2025)

Language-Assisted Feature Transformation for Anomaly Detection
von: Yun, EungGu, et al.
Veröffentlicht: (2025)

Rethinking Personalized Federated Learning with Clustering-based Dynamic Graph Propagation
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

Empowering HWNs with Efficient Data Labeling: A Clustered Federated Semi-Supervised Learning Approach
von: Hamood, Moqbel, et al.
Veröffentlicht: (2024)

Relaxed Contrastive Learning for Federated Learning
von: Seo, Seonguk, et al.
Veröffentlicht: (2024)

Achieving Linear Speedup for Composite Federated Learning
von: Huang, Kun, et al.
Veröffentlicht: (2026)

Differentially Private Federated Clustering with Random Rebalancing
von: Yang, Xiyuan, et al.
Veröffentlicht: (2025)

The Fairness-Quality Trade-off in Clustering
von: Hakim, Rashida, et al.
Veröffentlicht: (2024)

Distilling A Universal Expert from Clustered Federated Learning
von: Leng, Zeqi, et al.
Veröffentlicht: (2025)

Enhancing Clustered Federated Learning: Integration of Strategies and Improved Methodologies
von: Guo, Yongxin, et al.
Veröffentlicht: (2023)

A survey on Clustered Federated Learning: Taxonomy, Analysis and Applications
von: Ali, Michael Ben, et al.
Veröffentlicht: (2025)

FedCluster: Boosting the Convergence of Federated Learning via Cluster-Cycling
von: Chen, Cheng, et al.
Veröffentlicht: (2020)

One-Shot Clustering for Federated Learning Under Clustering-Agnostic Assumption
von: Zuziak, Maciej Krzysztof, et al.
Veröffentlicht: (2025)