Buchumschlag

Impact of network topology on the performance of Decentralized Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Palmieri, Luigi, Boldrini, Chiara, Valerio, Lorenzo, Passarella, Andrea, Conti, Marco
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DecHW: Heterogeneous Decentralized Federated Learning Exploiting Second-Order Information
von: Ahmad, Adnan, et al.
Veröffentlicht: (2026)

The Built-In Robustness of Decentralized Federated Averaging to Bad Data
von: Sabella, Samuele, et al.
Veröffentlicht: (2025)

Initialisation and Network Effects in Decentralised Federated Learning
von: Badie-Modiri, Arash, et al.
Veröffentlicht: (2024)

FedQUIT: On-Device Federated Unlearning via a Quasi-Competent Virtual Teacher
von: Mora, Alessio, et al.
Veröffentlicht: (2024)

DFML: Decentralized Federated Mutual Learning
von: Khalil, Yasser H., et al.
Veröffentlicht: (2024)

Mitigating Persistent Client Dropout in Asynchronous Decentralized Federated Learning
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

TRAIL: Trust-Aware Client Scheduling for Semi-Decentralized Federated Learning
von: Hu, Gangqiang, et al.
Veröffentlicht: (2024)

SemiDFL: A Semi-Supervised Paradigm for Decentralized Federated Learning
von: Liu, Xinyang, et al.
Veröffentlicht: (2024)

FRAIN to Train: A Fast-and-Reliable Solution for Decentralized Federated Learning
von: Park, Sanghyeon, et al.
Veröffentlicht: (2025)

From Centralized to Decentralized Federated Learning: Theoretical Insights, Privacy Preservation, and Robustness Challenges
von: Li, Qiongxiu, et al.
Veröffentlicht: (2025)

Task-Agnostic Federation over Decentralized Data: Research Landscape and Visions
von: Wu, Wentai, et al.
Veröffentlicht: (2025)

Scaling Decentralized Learning with FLock
von: Cheng, Zehua, et al.
Veröffentlicht: (2025)

Trust-free Personalized Decentralized Learning
von: Li, Yawen, et al.
Veröffentlicht: (2024)

Tackling Selfish Clients in Federated Learning
von: Augello, Andrea, et al.
Veröffentlicht: (2024)

Topology-Aware Knowledge Propagation in Decentralized Learning
von: Sakarvadia, Mansi, et al.
Veröffentlicht: (2025)

Harmonizing Generalization and Personalization in Ring-topology Decentralized Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

\mathsf{VISTA}: Decentralized Machine Learning in Adversary Dominated Environments
von: Nodehi, Hanzaleh Akbari, et al.
Veröffentlicht: (2026)

A Feature Engineering Approach for Business Impact-Oriented Failure Detection in Distributed Instant Payment Systems
von: Porcelli, Lorenzo
Veröffentlicht: (2025)

Forecasting Energy Availability in Local Energy Communities via LSTM Federated Learning
von: Turazza, Fabio, et al.
Veröffentlicht: (2026)

FilFL: Client Filtering for Optimized Client Participation in Federated Learning
von: Fourati, Fares, et al.
Veröffentlicht: (2023)

Meta-Learning for Speeding Up Large Model Inference in Decentralized Environments
von: Yang, Yuzhe, et al.
Veröffentlicht: (2024)

Context-Aware Inference via Performance Forecasting in Decentralized Learning Networks
von: Pfeffer, Joel, et al.
Veröffentlicht: (2025)

Federated Multi-Objective Learning
von: Yang, Haibo, et al.
Veröffentlicht: (2023)

Federated Learning with Flexible Architectures
von: Park, Jong-Ik, et al.
Veröffentlicht: (2024)

Ravnest: Decentralized Asynchronous Training on Heterogeneous Devices
von: Menon, Anirudh Rajiv, et al.
Veröffentlicht: (2024)

A Unified Convergence Analysis for Semi-Decentralized Learning: Sampled-to-Sampled vs. Sampled-to-All Communication
von: Rodio, Angelo, et al.
Veröffentlicht: (2025)

On Using Large-Batches in Federated Learning
von: Tyagi, Sahil
Veröffentlicht: (2025)

Federated Learning with Limited Node Labels
von: Tang, Bisheng, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Explainable Federated Learning
von: Zhang, Yanci, et al.
Veröffentlicht: (2025)

Efficient Client Selection in Federated Learning
von: Marfo, William, et al.
Veröffentlicht: (2025)

Influence-oriented Personalized Federated Learning
von: Tan, Yue, et al.
Veröffentlicht: (2024)

Variational Bayes for Federated Continual Learning
von: Yao, Dezhong, et al.
Veröffentlicht: (2024)

FedLECC: Cluster- and Loss-Guided Client Selection for Federated Learning under Non-IID Data
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2026)

FedBGS: A Blockchain Approach to Segment Gossip Learning in Decentralized Systems
von: Turazza, Fabio, et al.
Veröffentlicht: (2026)

Efficient Federated Learning with Timely Update Dissemination
von: Jia, Juncheng, et al.
Veröffentlicht: (2025)

Efficient Asynchronous Federated Learning with Sparsification and Quantization
von: Jia, Juncheng, et al.
Veröffentlicht: (2023)

On the Byzantine-Resilience of Distillation-Based Federated Learning
von: Roux, Christophe, et al.
Veröffentlicht: (2024)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Privacy in Federated Learning with Spiking Neural Networks
von: Aksu, Dogukan, et al.
Veröffentlicht: (2025)

Clustered Federated Learning with Hierarchical Knowledge Distillation
von: Ahmad, Sabtain, et al.
Veröffentlicht: (2025)