Buchumschlag

FedMIL: Federated-Multiple Instance Learning for Video Analysis with Optimized DPP Scheduling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bastola, Ashish, Wang, Hao, Chen, Xiwen, Razi, Abolfazl
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dynamic Scheduling for Vehicle-to-Vehicle Communications Enhanced Federated Learning
von: Yan, Jintao, et al.
Veröffentlicht: (2024)

On the Extension of Private Distributed Matrix Multiplication Schemes to the Grid Partition
von: Hofmeister, Christoph, et al.
Veröffentlicht: (2026)

Scheduling and Aggregation Design for Asynchronous Federated Learning over Wireless Networks
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2022)

Multivariate Polynomial Codes for Efficient Matrix Chain Multiplication in Distributed Systems
von: Gómez-Vilardebò, Jesús
Veröffentlicht: (2026)

Algebraic Geometry Codes for Distributed Matrix Multiplication Using Local Expansions
von: Li, Jiang, et al.
Veröffentlicht: (2024)

Coded Distributed (Batch) Matrix Multiplication over Galois Ring via RMFE
von: Kuang, Yi, et al.
Veröffentlicht: (2024)

C-FedRAG: A Confidential Federated Retrieval-Augmented Generation System
von: Addison, Parker, et al.
Veröffentlicht: (2024)

FedOptimus: Optimizing Vertical Federated Learning for Scalability and Efficiency
von: Shrivastava, Nikita, et al.
Veröffentlicht: (2025)

Personalized Federated Learning for Generative AI-Assisted Semantic Communications
von: Peng, Yubo, et al.
Veröffentlicht: (2024)

FedNMUT -- Federated Noisy Model Update Tracking Convergence Analysis
von: Chellapandi, Vishnu Pandi, et al.
Veröffentlicht: (2024)

Deep Learning Driven Buffer-Aided Cooperative Networks for B5G/6G: Challenges, Solutions, and Future Opportunities
von: Xu, Peng, et al.
Veröffentlicht: (2024)

Joint Offloading and Resource Allocation for Hybrid Cloud and Edge Computing in SAGINs: A Decision Assisted Hybrid Action Space Deep Reinforcement Learning Approach
von: Huang, Chong, et al.
Veröffentlicht: (2024)

CAFe: Cost and Age aware Federated Learning
von: Liyanaarachchi, Sahan, et al.
Veröffentlicht: (2024)

Learned Digital Codes for Over-the-Air Computation in Federated Edge Learning
von: Tarizzo, Antonio, et al.
Veröffentlicht: (2025)

Private Aggregation for Byzantine-Resilient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Decentralized Federated Learning Over Imperfect Communication Channels
von: Li, Weicai, et al.
Veröffentlicht: (2024)

Scalable and Reliable Over-the-Air Federated Edge Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2024)

Closing the Generalization Gap in Parameter-efficient Federated Edge Learning
von: Du, Xinnong, et al.
Veröffentlicht: (2025)

Perfect Privacy for Discriminator-Based Byzantine-Resilient Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

BICompFL: Stochastic Federated Learning with Bi-Directional Compression
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

On the Encoding Process in Decentralized Systems
von: Wang, Canran, et al.
Veröffentlicht: (2024)

Coded Distributed Computing with Pre-set Assignments of Data and Output Functions
von: Wang, Yuhan, et al.
Veröffentlicht: (2022)

A Unified Analysis of Federated Learning with Arbitrary Client Participation
von: Wang, Shiqiang, et al.
Veröffentlicht: (2022)

A New Theoretical Perspective on Data Heterogeneity in Federated Optimization
von: Wang, Jiayi, et al.
Veröffentlicht: (2024)

Double-Edge-Assisted Computation Offloading and Resource Allocation for Space-Air-Marine Integrated Networks
von: Wang, Zhen, et al.
Veröffentlicht: (2025)

FedTeddi: Temporal Drift and Divergence Aware Scheduling for Timely Federated Edge Learning
von: Bai, Yuxuan, et al.
Veröffentlicht: (2025)

FedCod: An Efficient Communication Protocol for Cross-Silo Federated Learning with Coding
von: Yan, Peishen, et al.
Veröffentlicht: (2024)

Hierarchical Federated Learning with SignSGD: A Highly Communication-Efficient Approach
von: Kazemi, Amirreza, et al.
Veröffentlicht: (2026)

Wireless Streamlet: A Spectrum-Aware and Cognitive Consensus Protocol for Edge IoT
von: Wang, Taotao, et al.
Veröffentlicht: (2026)

A General Framework for Augmenting Lossy Compressors with Topological Guarantees
von: Gorski, Nathaniel, et al.
Veröffentlicht: (2025)

Hierarchical Federated Learning for Networked AI: From Communication Saving to Architecture-Aware Design
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2026)

Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2024)

FedCGD: Collective Gradient Divergence Optimized Scheduling for Wireless Federated Learning
von: Chen, Tan, et al.
Veröffentlicht: (2025)

Beyond Trade-offs: A Unified Framework for Privacy, Robustness, and Communication Efficiency in Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)

FedFQ: Federated Learning with Fine-Grained Quantization
von: Li, Haowei, et al.
Veröffentlicht: (2024)

Rate-Distortion Bounds for Heterogeneous Random Fields on Finite Lattices
von: Sinha, Sujata, et al.
Veröffentlicht: (2026)

Fundamental Limits of Coded Polynomial Aggregation
von: Zhong, Xi, et al.
Veröffentlicht: (2026)

Monotone Erasure Codes
von: Bammert, Vivien, et al.
Veröffentlicht: (2026)

Dual-Lagrange Encoding for Storage and Download in Elastic Computing for Resilience
von: Zhong, Xi, et al.
Veröffentlicht: (2025)

Wireless MapReduce Arrays for Coded Distributed Computing
von: Peter, Elizabath, et al.
Veröffentlicht: (2024)