Buchumschlag

Momentum Approximation in Asynchronous Private Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Tao, Song, Congzheng, Wang, Jianyu, Chitnis, Mona
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Private Federated Learning In Real World Application -- A Case Study
von: Ji, An, et al.
Veröffentlicht: (2025)

pfl-research: simulation framework for accelerating research in Private Federated Learning
von: Granqvist, Filip, et al.
Veröffentlicht: (2024)

Memory-Efficient Backpropagation for Fine-Tuning LLMs on Resource-Constrained Mobile Devices
von: Song, Congzheng, et al.
Veröffentlicht: (2025)

Samplable Anonymous Aggregation for Private Federated Data Analysis
von: Talwar, Kunal, et al.
Veröffentlicht: (2023)

Ordered Local Momentum for Asynchronous Distributed Learning under Arbitrary Delays
von: Shi, Chang-Wei, et al.
Veröffentlicht: (2026)

Pure Exploration in Asynchronous Federated Bandits
von: Wang, Zichen, et al.
Veröffentlicht: (2023)

FedLAP-DP: Federated Learning by Sharing Differentially Private Loss Approximations
von: Wang, Hui-Po, et al.
Veröffentlicht: (2023)

FedMomentum: Preserving LoRA Training Momentum in Federated Fine-Tuning
von: Yan, Peishen, et al.
Veröffentlicht: (2026)

Ordered Momentum for Asynchronous SGD
von: Shi, Chang-Wei, et al.
Veröffentlicht: (2024)

Rethinking the initialization of Momentum in Federated Learning with Heterogeneous Data
von: Xiao, Chenguang, et al.
Veröffentlicht: (2024)

The Impact Analysis of Delays in Asynchronous Federated Learning with Data Heterogeneity for Edge Intelligence
von: Hao, Ziruo, et al.
Veröffentlicht: (2025)

MAB-Based Channel Scheduling for Asynchronous Federated Learning in Non-Stationary Environments
von: Li, Zhiyin, et al.
Veröffentlicht: (2025)

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

Mobility-Aware Asynchronous Federated Learning with Dynamic Sparsification
von: Yan, Jintao, et al.
Veröffentlicht: (2025)

EEschematic: Multimodal-LLM Based AI Agent for Schematic Generation of Analog Circuit
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Gaussian Approximation for Asynchronous Q-learning
von: Rubtsov, Artemy, et al.
Veröffentlicht: (2026)

DriftGuard: Mitigating Asynchronous Data Drift in Federated Learning
von: Han, Yizhou, et al.
Veröffentlicht: (2026)

CSAFL: A Clustered Semi-Asynchronous Federated Learning Framework
von: Zhang, Yu, et al.
Veröffentlicht: (2021)

DAG-AFL:Directed Acyclic Graph-based Asynchronous Federated Learning
von: Zhang, Shuaipeng, et al.
Veröffentlicht: (2025)

Bringing Order to Asynchronous SGD: Towards Optimality under Data-Dependent Delays with Momentum
von: Dahan, Tehila, et al.
Veröffentlicht: (2026)

Mitigating Participation Imbalance Bias in Asynchronous Federated Learning
von: Chang, Xiangyu, et al.
Veröffentlicht: (2025)

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

Mitigating System Bias in Resource Constrained Asynchronous Federated Learning Systems
von: Gao, Jikun, et al.
Veröffentlicht: (2024)

GitFL: Adaptive Asynchronous Federated Learning using Version Control
von: Hu, Ming, et al.
Veröffentlicht: (2022)

Federated Learning with Heterogeneous and Private Label Sets
von: Breitholtz, Adam, et al.
Veröffentlicht: (2025)

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

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

EEsizer: LLM-Based AI Agent for Sizing of Analog and Mixed Signal Circuit
von: Liu, Chang, et al.
Veröffentlicht: (2025)

FedPAE: Peer-Adaptive Ensemble Learning for Asynchronous and Model-Heterogeneous Federated Learning
von: Mueller, Brianna, et al.
Veröffentlicht: (2024)

Aggregation on Learnable Manifolds for Asynchronous Federated Optimization
von: Licudi, Archie, et al.
Veröffentlicht: (2025)

Asynchronous Probability Ensembling for Federated Disaster Detection
von: Martins, Emanuel Teixeira, et al.
Veröffentlicht: (2026)

Privacy Preserved Blood Glucose Level Cross-Prediction: An Asynchronous Decentralized Federated Learning Approach
von: Piao, Chengzhe, et al.
Veröffentlicht: (2024)

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

Buffered Asynchronous Secure Aggregation for Cross-Device Federated Learning
von: Wang, Kun, et al.
Veröffentlicht: (2024)

DP-Muon: Differentially Private Optimization via Matrix-Orthogonalized Momentum
von: Kim, Jihwan, et al.
Veröffentlicht: (2026)

Asynchronous Federated Learning: A Scalable Approach for Decentralized Machine Learning
von: Forootani, Ali, et al.
Veröffentlicht: (2024)

Integrating Asynchronous AdaBoost into Federated Learning: Five Real World Applications
von: Oghlukyan, Arthur, et al.
Veröffentlicht: (2025)

Reviving Stale Updates: Data-Free Knowledge Distillation for Asynchronous Federated Learning
von: Askin, Baris, et al.
Veröffentlicht: (2025)

FedCure: Mitigating Participation Bias in Semi-Asynchronous Federated Learning with Non-IID Data
von: Chen, Yue, et al.
Veröffentlicht: (2025)

FedPSA: Modeling Behavioral Staleness in Asynchronous Federated Learning
von: Lu, Chaoyi, et al.
Veröffentlicht: (2026)