Buchumschlag

Compressed Federated Reinforcement Learning with a Generative Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Beikmohammadi, Ali, Khirirat, Sarit, Magnússon, Sindri
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BIPPO: Budget-Aware Independent PPO for Energy-Efficient Federated Learning Services
von: Lackinger, Anna, et al.
Veröffentlicht: (2025)

SureFED: Robust Federated Learning via Uncertainty-Aware Inward and Outward Inspection
von: Heydaribeni, Nasimeh, et al.
Veröffentlicht: (2023)

AGMARL-DKS: An Adaptive Graph-Enhanced Multi-Agent Reinforcement Learning for Dynamic Kubernetes Scheduling
von: Hamzeh, Hamed
Veröffentlicht: (2026)

Single-Loop Federated Actor-Critic across Heterogeneous Environments
von: Zhu, Ye, et al.
Veröffentlicht: (2024)

Collaborative Learning of On-Device Small Model and Cloud-Based Large Model: Advances and Future Directions
von: Niu, Chaoyue, et al.
Veröffentlicht: (2025)

Argos: Agentic Time-Series Anomaly Detection with Autonomous Rule Generation via Large Language Models
von: Gu, Yile, et al.
Veröffentlicht: (2025)

Multitask Learning with Learned Task Relationships
von: Wan, Zirui, et al.
Veröffentlicht: (2025)

On the Surprising Effectiveness of a Single Global Merging in Decentralized Learning
von: Zhu, Tongtian, et al.
Veröffentlicht: (2025)

Asynchronous Local Computations in Distributed Bayesian Learning
von: Bhar, Kinjal, et al.
Veröffentlicht: (2023)

SADDLe: Sharpness-Aware Decentralized Deep Learning with Heterogeneous Data
von: Choudhary, Sakshi, et al.
Veröffentlicht: (2024)

Communication-Efficient Personalized Distributed Learning with Data and Node Heterogeneity
von: Tian, Zhuojun, et al.
Veröffentlicht: (2025)

Optimizing Decentralized Online Learning for Supervised Regression and Classification Problems
von: Kruijssen, J. M. Diederik, et al.
Veröffentlicht: (2025)

OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning
von: Ye, Rui, et al.
Veröffentlicht: (2024)

Multi-Agent Bandit Learning through Heterogeneous Action Erasure Channels
von: Hanna, Osama A., et al.
Veröffentlicht: (2023)

Incentivizing Multi-Tenant Split Federated Learning for Foundation Models at the Network Edge
von: Li, Songyuan, et al.
Veröffentlicht: (2025)

A Unified Framework for Center-based Clustering of Distributed Data
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2024)

Decentralized Task Offloading and Load-Balancing for Mobile Edge Computing in Dense Networks
von: Yahya, Mariam, et al.
Veröffentlicht: (2024)

On Collaboration in Distributed Parameter Estimation with Resource Constraints
von: Chen, Yu-Zhen Janice, et al.
Veröffentlicht: (2023)

Fully Distributed Fog Load Balancing with Multi-Agent Reinforcement Learning
von: Ebrahim, Maad, et al.
Veröffentlicht: (2024)

ISFL: Federated Learning for Non-i.i.d. Data with Local Importance Sampling
von: Zhu, Zheqi, et al.
Veröffentlicht: (2022)

Optimizing Age of Information in Vehicular Edge Computing with Federated Graph Neural Network Multi-Agent Reinforcement Learning
von: Wang, Wenhua, et al.
Veröffentlicht: (2024)

Rendering Wireless Environments Useful for Gradient Estimators: A Zero-Order Stochastic Federated Learning Method
von: Mhanna, Elissa, et al.
Veröffentlicht: (2024)

On the Convergence of Federated Learning Algorithms without Data Similarity
von: Beikmohammadi, Ali, et al.
Veröffentlicht: (2024)

CEDAS: A Compressed Decentralized Stochastic Gradient Method with Improved Convergence
von: Huang, Kun, et al.
Veröffentlicht: (2023)

Intelligent Offloading in Vehicular Edge Computing: A Comprehensive Review of Deep Reinforcement Learning Approaches and Architectures
von: Uddin, Ashab, et al.
Veröffentlicht: (2025)

Empowering Scientific Workflows with Federated Agents
von: Kamatar, Alok, et al.
Veröffentlicht: (2025)

Decentralized Federated Policy Gradient with Byzantine Fault-Tolerance and Provably Fast Convergence
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

Sustainability of Data Center Digital Twins with Reinforcement Learning
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2024)

FedLLM-Bench: Realistic Benchmarks for Federated Learning of Large Language Models
von: Ye, Rui, et al.
Veröffentlicht: (2024)

Message-Aware Graph Attention Networks for Large-Scale Multi-Robot Path Planning
von: Li, Qingbiao, et al.
Veröffentlicht: (2020)

Asynchronous MultiAgent Reinforcement Learning for 5G Routing under Side Constraints
von: Racedo, Sebastian, et al.
Veröffentlicht: (2026)

Holonic Learning: A Flexible Agent-based Distributed Machine Learning Framework
von: Esmaeili, Ahmad, et al.
Veröffentlicht: (2023)

MARS: Efficient, Adaptive Co-Scheduling for Heterogeneous Agentic Systems
von: Wang, Yifei, et al.
Veröffentlicht: (2026)

Distributed Fractional Bayesian Learning for Adaptive Optimization
von: Yang, Yaqun, et al.
Veröffentlicht: (2024)

Compressed Gradient Tracking for Decentralized Optimization Over General Directed Networks
von: Song, Zhuoqing, et al.
Veröffentlicht: (2021)

On a Voter Model with Context-Dependent Opinion Adoption
von: Becchetti, Luca, et al.
Veröffentlicht: (2023)

Large Language Models over Networks: Collaborative Intelligence under Resource Constraints
von: Yuan, Liangqi, et al.
Veröffentlicht: (2026)

AI Metropolis: Scaling Large Language Model-based Multi-Agent Simulation with Out-of-order Execution
von: Xie, Zhiqiang, et al.
Veröffentlicht: (2024)

Merit-Based Sortition in Decentralized Systems
von: Kruijssen, J. M. Diederik, et al.
Veröffentlicht: (2024)

Ensuring Fair LLM Serving Amid Diverse Applications
von: Khan, Redwan Ibne Seraj, et al.
Veröffentlicht: (2024)