Buchumschlag

ESFL: Efficient Split Federated Learning over Resource-Constrained Heterogeneous Wireless Devices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Guangyu, Deng, Yiqin, Chen, Xianhao, Zhang, Haixia, Fang, Yuguang, Wong, Tan F.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Networking and Internet Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Resources on the Move for Smart City: A Disruptive Perspective on the Grand Convergence of Sensing, Communications, Computing, Storage, and Intelligence
von: Fang, Yuguang, et al.
Veröffentlicht: (2024)

HFedMoE: Resource-aware Heterogeneous Federated Learning with Mixture-of-Experts
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

Prioritized Information Bottleneck Theoretic Framework with Distributed Online Learning for Edge Video Analytics
von: Fang, Zhengru, et al.
Veröffentlicht: (2024)

PIB: Prioritized Information Bottleneck Framework for Collaborative Edge Video Analytics
von: Fang, Zhengru, et al.
Veröffentlicht: (2024)

Collaborative Air-Ground Sensing, Communication, Computing, Storage, and Intelligence for Low-Altitude Economy
von: Deng, Yiqin, et al.
Veröffentlicht: (2026)

Multi-hop Multi-RIS Wireless Communication Systems: Multi-reflection Path Scheduling and Beamforming
von: Ma, Xiaoyan, et al.
Veröffentlicht: (2024)

UAV-enabled Computing Power Networks: Task Completion Probability Analysis
von: Deng, Yiqin, et al.
Veröffentlicht: (2025)

Birdcast: Interest-aware BEV Multicasting for Infrastructure-assisted Collaborative Perception
von: Ma, Yanan, et al.
Veröffentlicht: (2026)

R-ACP: Real-Time Adaptive Collaborative Perception Leveraging Robust Task-Oriented Communications
von: Fang, Zhengru, et al.
Veröffentlicht: (2024)

RAISE: Optimizing RIS Placement to Maximize Task Throughput in Multi-Server Vehicular Edge Computing
von: Ma, Yanan, et al.
Veröffentlicht: (2025)

UAV-enabled Computing Power Networks: Design and Performance Analysis under Energy Constraints
von: Deng, Yiqin, et al.
Veröffentlicht: (2026)

Optimizing Split Federated Learning with Unstable Client Participation
von: Wei, Wei, et al.
Veröffentlicht: (2025)

Dynamic Uncertainty-aware Multimodal Fusion for Outdoor Health Monitoring
von: Fang, Zihan, et al.
Veröffentlicht: (2025)

Application-Aware Twin-in-the-Loop Planning for Federated Split Learning over Wireless Edge Networks
von: Ding, Zihao, et al.
Veröffentlicht: (2026)

CA3D: Computing Accessibility-Aware Cooperative 3D Deployment of Multiple UAVs
von: Deng, Yiqin, et al.
Veröffentlicht: (2026)

SplitCom: Communication-efficient Split Federated Fine-tuning of LLMs via Temporal Compression
von: Li, Tao, et al.
Veröffentlicht: (2026)

Pipelining Split Learning in Multi-hop Edge Networks
von: Wei, Wei, et al.
Veröffentlicht: (2025)

Collaborative Optimization of Wireless Communication and Computing Resource Allocation based on Multi-Agent Federated Weighting Deep Reinforcement Learning
von: Wu, Junjie, et al.
Veröffentlicht: (2024)

Efficient Split Federated Learning for Large Language Models over Communication Networks
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

PACP: Priority-Aware Collaborative Perception for Connected and Autonomous Vehicles
von: Fang, Zhengru, et al.
Veröffentlicht: (2024)

Task-Oriented Semantic Compression for Localization at the Network Edge
von: Fang, Zhengru, et al.
Veröffentlicht: (2025)

Adaptive Split Learning over Energy-Constrained Wireless Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

Evaluation of Spectrum Sharing Algorithms for Networks with Heterogeneous Wireless Devices
von: Walishetti, Ankit, et al.
Veröffentlicht: (2024)

PartialLoading: User Scheduling and Bandwidth Allocation for Parameter-sharing Edge Inference
von: Qu, Guanqiao, et al.
Veröffentlicht: (2025)

Camel: Energy-Aware LLM Inference on Resource-Constrained Devices
von: Xu, Hao, et al.
Veröffentlicht: (2025)

Personalized Hierarchical Split Federated Learning in Wireless Networks
von: Pervej, Md-Ferdous, et al.
Veröffentlicht: (2024)

SiftMoE: Similarity-Aware Energy-Efficient Expert Selection for Wireless Distributed MoE Inference
von: Chen, Qian, et al.
Veröffentlicht: (2026)

SLIDE: Simultaneous Model Downloading and Inference at the Wireless Network Edge
von: Qu, Guanqiao, et al.
Veröffentlicht: (2025)

A Comparative Study of ASR Implementations in Resource-Constrained Wireless Sensor Networks for Real-Time Voice Communication
von: Ali, Inaam F. Qutaiba I.
Veröffentlicht: (2025)

WHALE-FL: Wireless and Heterogeneity Aware Latency Efficient Federated Learning over Mobile Devices via Adaptive Subnetwork Scheduling
von: Su, Huai-an, et al.
Veröffentlicht: (2024)

Hybrid Hierarchical Federated Learning over 5G/NextG Wireless Networking
von: Liu, Haiyun, et al.
Veröffentlicht: (2026)

Joint Computation Offloading and Resource Allocation for Maritime MEC with Energy Harvesting
von: Wang, Zhen, et al.
Veröffentlicht: (2025)

ASA: Adaptive Smart Agent Federated Learning via Device-Aware Clustering for Heterogeneous IoT
von: Salimi, Ali, et al.
Veröffentlicht: (2026)

Adaptive Federated Learning in Heterogeneous Wireless Networks with Independent Sampling
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Improving Energy Efficiency in Federated Learning Through the Optimization of Communication Resources Scheduling of Wireless IoT Networks
von: de Oliveira, Renan R., et al.
Veröffentlicht: (2024)

SARA -- A Semantic Access Point Resource Allocation Service for Heterogenous Wireless Networks
von: Zhou, Qianru, et al.
Veröffentlicht: (2020)

Optimal 3D Directional WPT Charging via UAV for 3D Wireless Rechargeable Sensor Networks
von: Gao, Zhenguo, et al.
Veröffentlicht: (2025)

Federated Parameter-Efficient Adaptation for Interference Mitigation at the Wireless Edge
von: Jones, Evar, et al.
Veröffentlicht: (2026)

Federated Learning Meets Random Access: Energy-Efficient Uplink Resource Allocation
von: Perin, Giovanni, et al.
Veröffentlicht: (2026)

MLFCIL: A Multi-Level Forgetting Mitigation Framework for Federated Class-Incremental Learning in LEO Satellites
von: Zhang, Heng, et al.
Veröffentlicht: (2026)