Buchumschlag

Flooding with Absorption: An Efficient Protocol for Heterogeneous Bandits over Complex Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Junghyun, Schmid, Laura, Yun, Se-Young
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Networking and Internet Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Service Placement in Small Cell Networks Using Distributed Best Arm Identification in Linear Bandits
von: Yahya, Mariam, et al.
Veröffentlicht: (2025)

ForestColl: Throughput-Optimal Collective Communications on Heterogeneous Network Fabrics
von: Zhao, Liangyu, et al.
Veröffentlicht: (2024)

Revisiting Bruck: Phase-Efficient All-to-All Communication in Reconfigurable Networks
von: Juerss, Anton, et al.
Veröffentlicht: (2026)

Architectural Blueprint For Heterogeneity-Resilient Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2024)

Graph Theory Meets Federated Learning over Satellite Constellations: Spanning Aggregations, Network Formation, and Performance Optimization
von: Nadimi, Fardis, et al.
Veröffentlicht: (2025)

Adaptive Heterogeneous Client Sampling for Federated Learning over Wireless Networks
von: Luo, Bing, et al.
Veröffentlicht: (2024)

COMSPLIT: A Communication-Aware Split Learning Design for Heterogeneous IoT Platforms
von: Ninkovic, Vukan, et al.
Veröffentlicht: (2024)

Revolutionizing Datacenter Networks via Reconfigurable Topologies
von: Avin, Chen, et al.
Veröffentlicht: (2025)

ScaDLES: Scalable Deep Learning over Streaming data at the Edge
von: Tyagi, Sahil, et al.
Veröffentlicht: (2023)

Trivance: Latency-Optimal AllReduce by Shortcutting Multiport Networks
von: Juerss, Anton, et al.
Veröffentlicht: (2026)

Efficient Direct-Connect Topologies for Collective Communications
von: Zhao, Liangyu, et al.
Veröffentlicht: (2022)

EMA: Efficient Model Adaptation for Learning-based Systems
von: Yu, Daiyang, et al.
Veröffentlicht: (2026)

Hierarchical Online-Scheduling for Energy-Efficient Split Inference with Progressive Transmission
von: Tang, Zengzipeng, et al.
Veröffentlicht: (2026)

Split Learning in 6G Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

ECCO: Leveraging Cross-Camera Correlations for Efficient Live Video Continuous Learning
von: He, Yuze, et al.
Veröffentlicht: (2025)

On the Geometric Coherence of Global Aggregation in Federated Graph Neural Networks
von: Kabgere, Chethana Prasad, et al.
Veröffentlicht: (2026)

Network Digital Untwinning: Towards Backward Optimization of Digital Twins
von: Zhang, Zifan, et al.
Veröffentlicht: (2026)

FedSkipTwin: Digital-Twin-Guided Client Skipping for Communication-Efficient Federated Learning
von: Commey, Daniel, et al.
Veröffentlicht: (2025)

FedRDMA: Communication-Efficient Cross-Silo Federated LLM via Chunked RDMA Transmission
von: Zhang, Zeling, et al.
Veröffentlicht: (2024)

Device Sampling and Resource Optimization for Federated Learning in Cooperative Edge Networks
von: Wang, Su, et al.
Veröffentlicht: (2023)

Federated Split Learning with Model Pruning and Gradient Quantization in Wireless Networks
von: Zhang, Junhe, et al.
Veröffentlicht: (2024)

On-demand Quantization for Green Federated Generative Diffusion in Mobile Edge Networks
von: Lai, Bingkun, et al.
Veröffentlicht: (2024)

Don't Let a Few Network Failures Slow the Entire AllReduce
von: Chen, Peiqing, et al.
Veröffentlicht: (2026)

Satellite Federated Fine-Tuning for Foundation Models in Space Computing Power Networks
von: Zhu, Yan, et al.
Veröffentlicht: (2025)

Ethereal: Divide and Conquer Network Load Balancing in Large-Scale Distributed Training
von: Addanki, Vamsi, et al.
Veröffentlicht: (2024)

SFL-LEO: Asynchronous Split-Federated Learning Design for LEO Satellite-Ground Network Framework
von: Wu, Jiasheng, et al.
Veröffentlicht: (2025)

The Gossiping Insert-Eliminate Algorithm for Multi-Agent Bandits
von: Chawla, Ronshee, et al.
Veröffentlicht: (2020)

Dynamic DAG-Application Scheduling for Multi-Tier Edge Computing in Heterogeneous Networks
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Hierarchical Learning and Computing over Space-Ground Integrated Networks
von: Zhu, Jingyang, et al.
Veröffentlicht: (2024)

Local Fast Rerouting with Low Congestion: A Randomized Approach
von: Bankhamer, Gregor, et al.
Veröffentlicht: (2020)

QoS-Aware Load Balancing in the Computing Continuum via Multi-Player Bandits
von: Čilić, Ivan, et al.
Veröffentlicht: (2025)

A New Broadcast Primitive for BFT Protocols
von: Drijvers, Manu, et al.
Veröffentlicht: (2024)

FedMFS: Federated Multimodal Fusion Learning with Selective Modality Communication
von: Yuan, Liangqi, et al.
Veröffentlicht: (2023)

MergeSFL: Split Federated Learning with Feature Merging and Batch Size Regulation
von: Liao, Yunming, et al.
Veröffentlicht: (2023)

DRL-Based Federated Self-Supervised Learning for Task Offloading and Resource Allocation in ISAC-Enabled Vehicle Edge Computing
von: Gu, Xueying, et al.
Veröffentlicht: (2024)

Reactive Orchestration for Hierarchical Federated Learning Under a Communication Cost Budget
von: Čilić, Ivan, et al.
Veröffentlicht: (2024)

ZKP-FedEval: Verifiable and Privacy-Preserving Federated Evaluation using Zero-Knowledge Proofs
von: Commey, Daniel, et al.
Veröffentlicht: (2025)

Online Identification of IT Systems through Active Causal Learning
von: Hammar, Kim, et al.
Veröffentlicht: (2025)

MLTCP: Congestion Control for DNN Training
von: Rajasekaran, Sudarsanan, et al.
Veröffentlicht: (2024)

Improving Slow Transfer Predictions: Generative Methods Compared
von: Kim, Jacob Taegon, et al.
Veröffentlicht: (2025)