Buchumschlag

Advocating for the Silent: Enhancing Federated Generalization for Non-Participating Clients

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Zheshun, Xu, Zenglin, Zeng, Dun, Wang, Qifan, Liu, Jie
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Online Optimization for Learning to Communicate over Time-Correlated Channels
von: Wu, Zheshun, et al.
Veröffentlicht: (2024)

Enhanced Federated Optimization: Adaptive Unbiased Client Sampling with Reduced Variance
von: Zeng, Dun, et al.
Veröffentlicht: (2023)

Topology Learning for Heterogeneous Decentralized Federated Learning over Unreliable D2D Networks
von: Wu, Zheshun, et al.
Veröffentlicht: (2023)

Understanding Generalization of Federated Learning: the Trade-off between Model Stability and Optimization
von: Zeng, Dun, et al.
Veröffentlicht: (2024)

Balancing Client Participation in Federated Learning Using AoI
von: Javani, Alireza, et al.
Veröffentlicht: (2025)

A Unified Analysis of Federated Learning with Arbitrary Client Participation
von: Wang, Shiqiang, et al.
Veröffentlicht: (2022)

On the Power of Adaptive Weighted Aggregation in Heterogeneous Federated Learning and Beyond
von: Zeng, Dun, et al.
Veröffentlicht: (2023)

XAI-Driven Client Selection for Federated Learning in Scalable 6G Network Slicing
von: Chiarani, Martino, et al.
Veröffentlicht: (2025)

Personalized Federated Learning with Attention-based Client Selection
von: Chen, Zihan, et al.
Veröffentlicht: (2023)

Computation-aware Energy-harvesting Federated Learning: Cyclic Scheduling with Selective Participation
von: Jeong, Eunjeong, et al.
Veröffentlicht: (2025)

On the Necessity of Collaboration for Online Model Selection with Decentralized Data
von: Li, Junfan, et al.
Veröffentlicht: (2024)

FedGT: Identification of Malicious Clients in Federated Learning with Secure Aggregation
von: Xhemrishi, Marvin, et al.
Veröffentlicht: (2023)

Generalization in Federated Learning: A Conditional Mutual Information Framework
von: Wang, Ziqiao, et al.
Veröffentlicht: (2025)

Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning
von: Wen, Dingzhu, et al.
Veröffentlicht: (2025)

Federated Testing (FedTest): A New Scheme to Enhance Convergence and Mitigate Adversarial Attacks in Federating Learning
von: Ghaleb, Mustafa, et al.
Veröffentlicht: (2025)

Improved Information Theoretic Generalization Bounds for Distributed and Federated Learning
von: Barnes, L. P., et al.
Veröffentlicht: (2022)

CSI-GPT: Integrating Generative Pre-Trained Transformer with Federated-Tuning to Acquire Downlink Massive MIMO Channels
von: Zeng, Ye, et al.
Veröffentlicht: (2024)

Load Balancing in Federated Learning
von: Javani, Alireza, et al.
Veröffentlicht: (2024)

A Hierarchical Sampling Framework for bounding the Generalization Error of Federated Learning
von: Filatrella, Dario, et al.
Veröffentlicht: (2026)

Closing the Generalization Gap in Parameter-efficient Federated Edge Learning
von: Du, Xinnong, et al.
Veröffentlicht: (2025)

A Lightweight Method for Tackling Unknown Participation Statistics in Federated Averaging
von: Wang, Shiqiang, et al.
Veröffentlicht: (2023)

IRS-Enhanced Secure Semantic Communication Networks: Cross-Layer and Context-Awared Resource Allocation
von: Wang, Lingyi, et al.
Veröffentlicht: (2024)

FedLoDrop: Federated LoRA with Dropout for Generalized LLM Fine-tuning
von: Xie, Sijing, et al.
Veröffentlicht: (2025)

Federated Dropout: Convergence Analysis and Resource Allocation
von: Xie, Sijing, et al.
Veröffentlicht: (2024)

Lessons from Generalization Error Analysis of Federated Learning: You May Communicate Less Often!
von: Sefidgaran, Milad, et al.
Veröffentlicht: (2023)

Diffusion Model-Based Data Synthesis Aided Federated Semi-Supervised Learning
von: Wang, Zhongwei, et al.
Veröffentlicht: (2025)

Byzantine-Resilient Over-the-Air Federated Learning under Zero-Trust Architecture
von: Yao, Jiacheng, et al.
Veröffentlicht: (2025)

Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2023)

GAI-Enabled Explainable Personalized Federated Semi-Supervised Learning
von: Peng, Yubo, et al.
Veröffentlicht: (2024)

Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks
von: Lin, Yushen, et al.
Veröffentlicht: (2024)

How to Forget Clients in Federated Online Learning to Rank?
von: Wang, Shuyi, et al.
Veröffentlicht: (2024)

Providing Differential Privacy for Federated Learning Over Wireless: A Cross-layer Framework
von: Mao, Jiayu, et al.
Veröffentlicht: (2024)

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

Kalman Filter Aided Federated Koopman Learning
von: Chen, Yutao, et al.
Veröffentlicht: (2025)

An Information-Theoretic Framework for Out-of-Distribution Generalization with Applications to Stochastic Gradient Langevin Dynamics
von: Liu, Wenliang, et al.
Veröffentlicht: (2024)

Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks
von: Xu, Chunmei, et al.
Veröffentlicht: (2024)

A Hierarchical Federated Learning Approach for the Internet of Things
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

ProFL: Performative Robust Optimal Federated Learning
von: Zheng, Xue, et al.
Veröffentlicht: (2024)

NCAirFL: CSI-Free Over-the-Air Federated Learning Based on Non-Coherent Detection
von: Wen, Haifeng, et al.
Veröffentlicht: (2024)

Contextual Memory-Enhanced Source Coding for Low-SNR Communications
von: Wang, Ziqiong, et al.
Veröffentlicht: (2026)