Buchumschlag

Mitigating Group Bias in Federated Learning for Heterogeneous Devices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Selialia, Khotso, Chandio, Yasra, Anwar, Fatima M.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Lost in Tracking Translation: A Comprehensive Analysis of Visual SLAM in Human-Centered XR and IoT Ecosystems
von: Chandio, Yasra, et al.
Veröffentlicht: (2024)

A Neurosymbolic Approach to Adaptive Feature Extraction in SLAM
von: Chandio, Yasra, et al.
Veröffentlicht: (2024)

Are Bias Mitigation Techniques for Deep Learning Effective?
von: Shrestha, Robik, et al.
Veröffentlicht: (2021)

Mitigating Bias in Dataset Distillation
von: Cui, Justin, et al.
Veröffentlicht: (2024)

Kuramoto-FedAvg: Using Synchronization Dynamics to Improve Federated Learning Optimization under Statistical Heterogeneity
von: Muhebwa, Aggrey, et al.
Veröffentlicht: (2025)

DISCO: Mitigating Bias in Deep Learning with Conditional Distance Correlation
von: Kavak, Emre, et al.
Veröffentlicht: (2025)

Explanatory Interactive Machine Learning for Bias Mitigation in Visual Gender Classification
von: Satriani, Nathanya, et al.
Veröffentlicht: (2026)

Accelerating Heterogeneous Federated Learning with Closed-form Classifiers
von: Fanì, Eros, et al.
Veröffentlicht: (2024)

Robust Asymmetric Heterogeneous Federated Learning with Corrupted Clients
von: Fang, Xiuwen, et al.
Veröffentlicht: (2025)

PIP: Prototypes-Injected Prompt for Federated Class Incremental Learning
von: Ma'sum, Muhammad Anwar, et al.
Veröffentlicht: (2024)

Communication-Efficient Heterogeneous Federated Learning with Generalized Heavy-Ball Momentum
von: Zaccone, Riccardo, et al.
Veröffentlicht: (2023)

Federated Learning with Heterogeneous Data Handling for Robust Vehicular Object Detection
von: Khalil, Ahmad, et al.
Veröffentlicht: (2024)

Mitigating Bias in Facial Recognition Systems: Centroid Fairness Loss Optimization
von: Conti, Jean-Rémy, et al.
Veröffentlicht: (2025)

Evaluating Fairness and Mitigating Bias in Machine Learning: A Novel Technique using Tensor Data and Bayesian Regression
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Handling Spatial-Temporal Data Heterogeneity for Federated Continual Learning via Tail Anchor
von: Yu, Hao, et al.
Veröffentlicht: (2024)

FedDefender: Backdoor Attack Defense in Federated Learning
von: Gill, Waris, et al.
Veröffentlicht: (2023)

Towards Diverse Device Heterogeneous Federated Learning via Task Arithmetic Knowledge Integration
von: Morafah, Mahdi, et al.
Veröffentlicht: (2024)

An Architecture Built for Federated Learning: Addressing Data Heterogeneity through Adaptive Normalization-Free Feature Recalibration
von: Siomos, Vasilis, et al.
Veröffentlicht: (2024)

Epistemic Uncertainty-Weighted Loss for Visual Bias Mitigation
von: Stone, Rebecca S, et al.
Veröffentlicht: (2022)

Mitigating Individual Skin Tone Bias in Skin Lesion Classification through Distribution-Aware Reweighting
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Reactive Model Correction: Mitigating Harm to Task-Relevant Features via Conditional Bias Suppression
von: Bareeva, Dilyara, et al.
Veröffentlicht: (2024)

Latest Advancements Towards Catastrophic Forgetting under Data Scarcity: A Comprehensive Survey on Few-Shot Class Incremental Learning
von: Ma'sum, M. Anwar, et al.
Veröffentlicht: (2025)

Flashback: Understanding and Mitigating Forgetting in Federated Learning
von: Aljahdali, Mohammed, et al.
Veröffentlicht: (2024)

Improved Crop and Weed Detection with Diverse Data Ensemble Learning
von: Asad, Muhammad Hamza, et al.
Veröffentlicht: (2023)

FedDUAL: A Dual-Strategy with Adaptive Loss and Dynamic Aggregation for Mitigating Data Heterogeneity in Federated Learning
von: Sahoo, Pranab, et al.
Veröffentlicht: (2024)

Do Students Debias Like Teachers? On the Distillability of Bias Mitigation Methods
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

PROL : Rehearsal Free Continual Learning in Streaming Data via Prompt Online Learning
von: Ma'sum, M. Anwar, et al.
Veröffentlicht: (2025)

Federated Impression for Learning with Distributed Heterogeneous Data
von: Arya, Atrin, et al.
Veröffentlicht: (2024)

Decoupling Augmentation Bias in Prompt Learning for Vision-Language Models
von: Kim, Gahyeon, et al.
Veröffentlicht: (2025)

Federated Learning with Feedback Alignment
von: Baek, Incheol, et al.
Veröffentlicht: (2025)

Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles
von: Scimeca, Luca, et al.
Veröffentlicht: (2023)

Explaining and Mitigating the Modality Gap in Contrastive Multimodal Learning
von: Yaras, Can, et al.
Veröffentlicht: (2024)

Classifier-to-Bias: Toward Unsupervised Automatic Bias Detection for Visual Classifiers
von: Guimard, Quentin, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Human-Labelling Errors in Supervised Contrastive Learning
von: Long, Zijun, et al.
Veröffentlicht: (2024)

Zero-Shot Decentralized Federated Learning
von: Masano, Alessio, et al.
Veröffentlicht: (2025)

Diminishing Stereotype Bias in Image Generation Model using Reinforcemenlent Learning Feedback
von: Chen, Xin, et al.
Veröffentlicht: (2024)

From Selection to Scheduling: Federated Geometry-Aware Correction Makes Exemplar Replay Work Better under Continual Dynamic Heterogeneity
von: Qi, Zhuang, et al.
Veröffentlicht: (2026)

Mitigating Interference in the Knowledge Continuum through Attention-Guided Incremental Learning
von: Bhat, Prashant, et al.
Veröffentlicht: (2024)

Continual Adaptation of Vision Transformers for Federated Learning
von: Halbe, Shaunak, et al.
Veröffentlicht: (2023)

Unsupervised Few-Shot Continual Learning for Remote Sensing Image Scene Classification
von: Ma'sum, Muhammad Anwar, et al.
Veröffentlicht: (2024)