Buchumschlag

Not All Federated Learning Algorithms Are Created Equal: A Performance Evaluation Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baumgart, Gustav A., Shin, Jaemin, Payani, Ali, Lee, Myungjin, Kompella, Ramana Rao
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

Flame: Simplifying Topology Extension in Federated Learning
von: Daga, Harshit, et al.
Veröffentlicht: (2023)

Enabling Elastic Model Serving with MultiWorld
von: Lee, Myungjin, et al.
Veröffentlicht: (2024)

LIFL: A Lightweight, Event-driven Serverless Platform for Federated Learning
von: Qi, Shixiong, et al.
Veröffentlicht: (2024)

FedHFT: Efficient Federated Finetuning with Heterogeneous Edge Clients
von: Ilhan, Fatih, et al.
Veröffentlicht: (2025)

FedAuxHMTL: Federated Auxiliary Hard-Parameter Sharing Multi-Task Learning for Network Edge Traffic Classification
von: Ahmed, Faisal, et al.
Veröffentlicht: (2024)

Prediction-Assisted Online Distributed Deep Learning Workload Scheduling in GPU Clusters
von: Luo, Ziyue, et al.
Veröffentlicht: (2025)

FedMOA: Federated GRPO for Personalized Reasoning LLMs under Heterogeneous Rewards
von: Wang, Ziyao, et al.
Veröffentlicht: (2026)

SuperFedNAS: Cost-Efficient Federated Neural Architecture Search for On-Device Inference
von: Khare, Alind, et al.
Veröffentlicht: (2023)

Heterogeneous Federated Learning with Prototype Alignment and Upscaling
von: Lee, Gyuejeong, et al.
Veröffentlicht: (2025)

Federated Frank-Wolfe Algorithm
von: Dadras, Ali, et al.
Veröffentlicht: (2024)

FLAM: Evaluating Model Performance with Aggregatable Measures in Federated Learning
von: Stricker, Fabian, et al.
Veröffentlicht: (2026)

Making MoE-based LLM Inference Resilient with Tarragon
von: Zhang, Songyu, et al.
Veröffentlicht: (2026)

Andes: Defining and Enhancing Quality-of-Experience in LLM-Based Text Streaming Services
von: Liu, Jiachen, et al.
Veröffentlicht: (2024)

On Harnessing Idle Compute at the Edge for Foundation Model Training
von: Xue, Leyang, et al.
Veröffentlicht: (2025)

An Efficient Subspace Algorithm for Federated Learning on Heterogeneous Data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2025)

Proof-of-Collaborative-Learning: A Multi-winner Federated Learning Consensus Algorithm
von: Sokhankhosh, Amirreza, et al.
Veröffentlicht: (2024)

Cornserve: A Distributed Serving System for Any-to-Any Multimodal Models
von: Chung, Jae-Won, et al.
Veröffentlicht: (2026)

Secure Federated Learning Across Heterogeneous Cloud and High-Performance Computing Resources -- A Case Study on Federated Fine-tuning of LLaMA 2
von: Li, Zilinghan, et al.
Veröffentlicht: (2024)

A Survey on Contribution Evaluation in Vertical Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

Towards cost-effective and resource-aware aggregation at Edge for Federated Learning
von: Khan, Ahmad Faraz, et al.
Veröffentlicht: (2022)

FedNS: A Fast Sketching Newton-Type Algorithm for Federated Learning
von: Li, Jian, et al.
Veröffentlicht: (2024)

Decentralized Sporadic Federated Learning: A Unified Algorithmic Framework with Convergence Guarantees
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2024)

Holistic Evaluation Metrics: Use Case Sensitive Evaluation Metrics for Federated Learning
von: Li, Yanli, et al.
Veröffentlicht: (2024)

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

Federated Learning with Integrated Sensing, Communication, and Computation: Frameworks and Performance Analysis
von: Liang, Yipeng, et al.
Veröffentlicht: (2024)

Cornfigurator: Automated Planning for Any-to-Any Multimodal Model Serving
von: Ma, Jeff J., et al.
Veröffentlicht: (2025)

FedSR: A Semi-Decentralized Federated Learning Algorithm for Non-IIDness in IoT System
von: Huang, Jianjun, et al.
Veröffentlicht: (2024)

How to Collaborate: Towards Maximizing the Generalization Performance in Cross-Silo Federated Learning
von: Sun, Yuchang, et al.
Veröffentlicht: (2024)

Not All Edges are Equally Robust: Evaluating the Robustness of Ranking-Based Federated Learning
von: Gong, Zirui, et al.
Veröffentlicht: (2025)

Performance and Energy Trade-Off Analysis of Hierarchical Federated Learning for Plant Disease Classification
von: Papanikolaou, Athanasios, et al.
Veröffentlicht: (2026)

Pursuing Overall Welfare in Federated Learning through Sequential Decision Making
von: Hahn, Seok-Ju, et al.
Veröffentlicht: (2024)

Federated Learning under Periodic Client Participation and Heterogeneous Data: A New Communication-Efficient Algorithm and Analysis
von: Crawshaw, Michael, et al.
Veröffentlicht: (2024)

ExeGPT: Constraint-Aware Resource Scheduling for LLM Inference
von: Oh, Hyungjun, et al.
Veröffentlicht: (2024)

Buffer-based Gradient Projection for Continual Federated Learning
von: Dai, Shenghong, et al.
Veröffentlicht: (2024)

Dual-Distilled Heterogeneous Federated Learning with Adaptive Margins for Trainable Global Prototypes
von: Siddika, Fatema, et al.
Veröffentlicht: (2025)

Partial Federated Learning
von: Feng, Tiantian, et al.
Veröffentlicht: (2024)

Emerging Trends in Federated Learning: From Model Fusion to Federated X Learning
von: Ji, Shaoxiong, et al.
Veröffentlicht: (2021)

Embracing Federated Learning: Enabling Weak Client Participation via Partial Model Training
von: Lee, Sunwoo, et al.
Veröffentlicht: (2024)

GPT-FL: Generative Pre-trained Model-Assisted Federated Learning
von: Zhang, Tuo, et al.
Veröffentlicht: (2023)

Class-Wise Federated Averaging for Efficient Personalization
von: Lee, Gyuejeong, et al.
Veröffentlicht: (2024)