Buchumschlag

CSAFL: A Clustered Semi-Asynchronous Federated Learning Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yu, Duan, Moming, Liu, Duo, Li, Li, Ren, Ao, Chen, Xianzhang, Tan, Yujuan, Wang, Chengliang
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedSAE: A Novel Self-Adaptive Federated Learning Framework in Heterogeneous Systems
von: Li, Li, et al.
Veröffentlicht: (2021)

Flexible Clustered Federated Learning for Client-Level Data Distribution Shift
von: Duan, Moming, et al.
Veröffentlicht: (2021)

FedGroup: Efficient Clustered Federated Learning via Decomposed Data-Driven Measure
von: Duan, Moming, et al.
Veröffentlicht: (2020)

Asynchronous Federated Clustering with Unknown Number of Clusters
von: Zhang, Yunfan, et al.
Veröffentlicht: (2024)

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

Orthogonal Calibration for Asynchronous Federated Learning
von: Zhang, Jiayun, et al.
Veröffentlicht: (2025)

Asynchronous Personalized Federated Learning through Global Memorization
von: Wan, Fan, et al.
Veröffentlicht: (2025)

Federated Semi-Supervised and Semi-Asynchronous Learning for Anomaly Detection in IoT Networks
von: Zhai, Wenbin, et al.
Veröffentlicht: (2023)

A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

An Experimental Study of Different Aggregation Schemes in Semi-Asynchronous Federated Learning
von: Li, Yunbo, et al.
Veröffentlicht: (2024)

OFL-W3: A One-shot Federated Learning System on Web 3.0
von: Jiang, Linshan, et al.
Veröffentlicht: (2024)

Achieving Linear Speedup in Asynchronous Federated Learning with Heterogeneous Clients
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

CaBaFL: Asynchronous Federated Learning via Hierarchical Cache and Feature Balance
von: Xia, Zeke, et al.
Veröffentlicht: (2024)

Corrected with the Latest Version: Make Robust Asynchronous Federated Learning Possible
von: Lu, Chaoyi, et al.
Veröffentlicht: (2025)

Asyn2F: An Asynchronous Federated Learning Framework with Bidirectional Model Aggregation
von: Cao, Tien-Dung, et al.
Veröffentlicht: (2024)

GAS: Generative Activation-Aided Asynchronous Split Federated Learning
von: Yang, Jiarong, et al.
Veröffentlicht: (2024)

Resource Efficient Asynchronous Federated Learning for Digital Twin Empowered IoT Network
von: Chu, Shunfeng, et al.
Veröffentlicht: (2024)

SEAFL: Enhancing Efficiency in Semi-Asynchronous Federated Learning through Adaptive Aggregation and Selective Training
von: Islam, Md Sirajul, et al.
Veröffentlicht: (2025)

A Bayesian Framework for Clustered Federated Learning
von: Wu, Peng, et al.
Veröffentlicht: (2024)

Unity is Power: Semi-Asynchronous Collaborative Training of Large-Scale Models with Structured Pruning in Resource-Limited Clients
von: Li, Yan, et al.
Veröffentlicht: (2024)

Stragglers Can Contribute More: Uncertainty-Aware Distillation for Asynchronous Federated Learning
von: Wang, Yujia, et al.
Veröffentlicht: (2025)

EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control
von: Li, Xiaochen, et al.
Veröffentlicht: (2024)

Federated Temporal Graph Clustering
von: Zhou, Zihao, et al.
Veröffentlicht: (2024)

Federated Model Heterogeneous Matryoshka Representation Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

A Joint Approach to Local Updating and Gradient Compression for Efficient Asynchronous Federated Learning
von: Song, Jiajun, et al.
Veröffentlicht: (2024)

Dynamic Client Clustering, Bandwidth Allocation, and Workload Optimization for Semi-synchronous Federated Learning
von: Yu, Liangkun, et al.
Veröffentlicht: (2024)

FedStaleWeight: Buffered Asynchronous Federated Learning with Fair Aggregation via Staleness Reweighting
von: Ma, Jeffrey, et al.
Veröffentlicht: (2024)

SemiDFL: A Semi-Supervised Paradigm for Decentralized Federated Learning
von: Liu, Xinyang, et al.
Veröffentlicht: (2024)

FedAST: Federated Asynchronous Simultaneous Training
von: Askin, Baris, et al.
Veröffentlicht: (2024)

Asynchronous Federated Learning with non-convex client objective functions and heterogeneous dataset
von: Forootani, Ali, et al.
Veröffentlicht: (2025)

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

Asynchronous Secure Federated Learning with Byzantine aggregators
von: Del Pozzo, Antonella, et al.
Veröffentlicht: (2026)

Efficient Asynchronous Federated Learning with Sparsification and Quantization
von: Jia, Juncheng, et al.
Veröffentlicht: (2023)

SecureAFL: Secure Asynchronous Federated Learning
von: Gao, Anjun, et al.
Veröffentlicht: (2026)

Asynchronous Byzantine Federated Learning
von: Cox, Bart, et al.
Veröffentlicht: (2024)

Straggler-Resilient Decentralized Learning via Adaptive Asynchronous Updates
von: Xiong, Guojun, et al.
Veröffentlicht: (2023)

Asynchronous Multi-Model Dynamic Federated Learning over Wireless Networks: Theory, Modeling, and Optimization
von: Chang, Zhan-Lun, et al.
Veröffentlicht: (2023)

Personalized Semi-Supervised Federated Learning for Human Activity Recognition
von: Presotto, Riccardo, et al.
Veröffentlicht: (2021)

Scheduling for On-Board Federated Learning with Satellite Clusters
von: Razmi, Nasrin, et al.
Veröffentlicht: (2024)

FedClust: Optimizing Federated Learning on Non-IID Data through Weight-Driven Client Clustering
von: Islam, Md Sirajul, et al.
Veröffentlicht: (2024)