Buchumschlag

Version age-based client scheduling policy for federated learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Xinyi, Pappas, Nikolaos, Yang, Howard H.
Format:	Preprint
Veröffentlicht:	2024
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

Blockchain-aided wireless federated learning: Resource allocation and client scheduling
von: Li, Jun, et al.
Veröffentlicht: (2024)

Distributed client selection with multi-objective in federated learning assisted Internet of Vehicles
von: Cha, Narisu, et al.
Veröffentlicht: (2024)

Non-convex composite federated learning with heterogeneous data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2025)

Analysis of regularized federated learning
von: Liu, Langming, et al.
Veröffentlicht: (2024)

Role-Aware Multi-modal federated learning system for detecting phishing webpages
von: Wang, Bo, et al.
Veröffentlicht: (2025)

Hybrid FedGraph: An efficient hybrid federated learning algorithm using graph convolutional neural network
von: Jang, Jaeyeon, et al.
Veröffentlicht: (2024)

Integrated user scheduling and beam steering in over-the-air federated learning for mobile IoT
von: Liu, Shengheng, et al.
Veröffentlicht: (2025)

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

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

Feature-Based Semantics-Aware Scheduling for Energy-Harvesting Federated Learning
von: Jeong, Eunjeong, et al.
Veröffentlicht: (2025)

Timely Parameter Updating in Over-the-Air Federated Learning
von: Zhu, Jiaqi, et al.
Veröffentlicht: (2025)

Incentivizing Permissionless Distributed Learning of LLMs
von: Lidin, Joel, et al.
Veröffentlicht: (2025)

Delayed Random Partial Gradient Averaging for Federated Learning
von: Hu, Xinyi
Veröffentlicht: (2024)

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

Benchmarking federated strategies in Peer-to-Peer Federated learning for biomedical data
von: Salmeron, Jose L., et al.
Veröffentlicht: (2024)

Covenant-72B: Pre-Training a 72B LLM with Trustless Peers Over-the-Internet
von: Lidin, Joel, et al.
Veröffentlicht: (2026)

Distributedness based scheduling
von: Ranjan, Paritosh, et al.
Veröffentlicht: (2025)

Consensus learning: A novel decentralised ensemble learning paradigm
von: Magureanu, Horia, et al.
Veröffentlicht: (2024)

A Kubernetes custom scheduler based on reinforcement learning for compute-intensive pods
von: Zhou, Hanlin, et al.
Veröffentlicht: (2026)

Prediction of Brent crude oil price based on LSTM model under the background of low-carbon transition
von: Zhao, Yuwen, et al.
Veröffentlicht: (2024)

LAER-MoE: Load-Adaptive Expert Re-layout for Efficient Mixture-of-Experts Training
von: Liu, Xinyi, et al.
Veröffentlicht: (2026)

AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems
von: Jia, Chentao, et al.
Veröffentlicht: (2023)

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

Drift-Aware Federated Learning: A Causal Perspective
von: Fang, Yunjie, et al.
Veröffentlicht: (2025)

GraphStorm: all-in-one graph machine learning framework for industry applications
von: Zheng, Da, et al.
Veröffentlicht: (2024)

Impacts of floating-point non-associativity on reproducibility for HPC and deep learning applications
von: Shanmugavelu, Sanjif, et al.
Veröffentlicht: (2024)

A Comprehensive Forecasting Framework based on Multi-Stage Hierarchical Forecasting Reconciliation and Adjustment
von: Yang, Zhengchao, et al.
Veröffentlicht: (2024)

FlexSP: Accelerating Large Language Model Training via Flexible Sequence Parallelism
von: Wang, Yujie, et al.
Veröffentlicht: (2024)

High-Dimensional Sparse Data Low-rank Representation via Accelerated Asynchronous Parallel Stochastic Gradient Descent
von: Hu, Qicong, et al.
Veröffentlicht: (2024)

Have Your Cake and Eat It Too: Toward Efficient and Accurate Split Federated Learning
von: Yan, Dengke, et al.
Veröffentlicht: (2023)

70% Size, 100% Accuracy: Lossless LLM Compression for Efficient GPU Inference via Dynamic-Length Float (DFloat11)
von: Zhang, Tianyi, et al.
Veröffentlicht: (2025)

Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse
von: Ding, Yahao, et al.
Veröffentlicht: (2024)

Magneton: Optimizing Energy Efficiency of ML Systems via Differential Energy Debugging
von: Pan, Yi, et al.
Veröffentlicht: (2025)

Synthetic data shuffling accelerates the convergence of federated learning under data heterogeneity
von: Li, Bo, et al.
Veröffentlicht: (2023)

Performance bounds for priority-based stochastic coflow scheduling
von: Brun, Olivier, et al.
Veröffentlicht: (2025)

Federated Learning based on Pruning and Recovery
von: Ma, Chengjie
Veröffentlicht: (2024)

Relay Buffer Independent Communication over Pooled HBM for Efficient MoE Inference on Ascend
von: Hu, Tianlun, et al.
Veröffentlicht: (2026)

Fog enabled distributed training architecture for federated learning
von: Kumar, Aditya, et al.
Veröffentlicht: (2024)

DeltaZip: Efficient Serving of Multiple Full-Model-Tuned LLMs
von: Yao, Xiaozhe, et al.
Veröffentlicht: (2023)

Two-dimensional Sparse Parallelism for Large Scale Deep Learning Recommendation Model Training
von: Zhang, Xin, et al.
Veröffentlicht: (2025)