:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yuanli, Huang, Lei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	https://arxiv.org/abs/2406.01774
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CAFE: Carbon-Aware Federated Learning in Geographically Distributed Data Centers
von: Bian, Jieming, et al.
Veröffentlicht: (2023)

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

Accelerating Hybrid Federated Learning Convergence under Partial Participation
von: Bian, Jieming, et al.
Veröffentlicht: (2023)

Robust Federated Learning with Global Sensitivity Estimation for Financial Risk Management
von: Zhao, Lei, et al.
Veröffentlicht: (2025)

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

Communication-Efficient Distributed Deep Learning via Federated Dynamic Averaging
von: Theologitis, Michail, et al.
Veröffentlicht: (2024)

Flexible Clustered Federated Learning for Client-Level Data Distribution Shift
von: Duan, Moming, et al.
Veröffentlicht: (2021)

Communication-Efficient Hybrid Federated Learning for E-health with Horizontal and Vertical Data Partitioning
von: Yu, Chong, et al.
Veröffentlicht: (2024)

Communication-Efficient Federated Group Distributionally Robust Optimization
von: Guo, Zhishuai, et al.
Veröffentlicht: (2024)

Efficient Model Compression for Hierarchical Federated Learning
von: Zhu, Xi, et al.
Veröffentlicht: (2024)

MinatoLoader: Accelerating Machine Learning Training Through Efficient Data Preprocessing
von: Nouaji, Rahma, et al.
Veröffentlicht: (2025)

Convergence Analysis of Split Federated Learning on Heterogeneous Data
von: Han, Pengchao, et al.
Veröffentlicht: (2024)

Bandwidth-Aware and Overlap-Weighted Compression for Communication-Efficient Federated Learning
von: Tang, Zichen, et al.
Veröffentlicht: (2024)

Towards Efficient Replay in Federated Incremental Learning
von: Li, Yichen, et al.
Veröffentlicht: (2024)

Accelerating Federated Learning by Selecting Beneficial Herd of Local Gradients
von: Luo, Ping, et al.
Veröffentlicht: (2024)

D3FL: Data Distribution and Detrending for Robust Federated Learning in Non-linear Time-series Data
von: Marisetty, Harsha Varun, et al.
Veröffentlicht: (2025)

Prioritizing Modalities: Flexible Importance Scheduling in Federated Multimodal Learning
von: Bian, Jieming, et al.
Veröffentlicht: (2024)

FedGroup: Efficient Clustered Federated Learning via Decomposed Data-Driven Measure
von: Duan, Moming, et al.
Veröffentlicht: (2020)

FedOSAA: Improving Federated Learning with One-Step Anderson Acceleration
von: Feng, Xue, et al.
Veröffentlicht: (2025)

Caesar: A Low-deviation Compression Approach for Efficient Federated Learning
von: Yan, Jiaming, et al.
Veröffentlicht: (2024)

Energy-Efficient Federated Learning for Edge Real-Time Vision via Joint Data, Computation, and Communication Design
von: Hou, Xiangwang, et al.
Veröffentlicht: (2025)

Masked Random Noise for Communication Efficient Federated Learning
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

SemiSFL: Split Federated Learning on Unlabeled and Non-IID Data
von: Xu, Yang, et al.
Veröffentlicht: (2023)

Empowering Data Mesh with Federated Learning
von: Li, Haoyuan, et al.
Veröffentlicht: (2024)

Efficient Federated Learning against Byzantine Attacks and Data Heterogeneity via Aggregating Normalized Gradients
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

FedCAda: Adaptive Client-Side Optimization for Accelerated and Stable Federated Learning
von: Zhou, Liuzhi, et al.
Veröffentlicht: (2024)

GENE-FL: Gene-Driven Parameter-Efficient Dynamic Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Fed-REACT: Federated Representation Learning for Heterogeneous and Evolving Data
von: Chen, Yiyue, et al.
Veröffentlicht: (2025)

Communication-Efficient Device Scheduling for Federated Learning Using Lyapunov Optimization
von: Perazzone, Jake B., et al.
Veröffentlicht: (2025)

Tackling Intertwined Data and Device Heterogeneities in Federated Learning with Unlimited Staleness
von: Wang, Haoming, et al.
Veröffentlicht: (2023)

Virtual Nodes Can Help: Tackling Distribution Shifts in Federated Graph Learning
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Communication-Efficient Multimodal Federated Learning: Joint Modality and Client Selection
von: Yuan, Liangqi, et al.
Veröffentlicht: (2024)

An Efficient Gradient-Aware Error-Bounded Lossy Compressor for Federated Learning
von: Ye, Zhijing, et al.
Veröffentlicht: (2025)

Federated Learning with Bilateral Curation for Partially Class-Disjoint Data
von: Fan, Ziqing, et al.
Veröffentlicht: (2024)

SPD-CFL: Stepwise Parameter Dropout for Efficient Continual Federated Learning
von: Yang, Yuning, et al.
Veröffentlicht: (2024)

Communication Efficient and Provable Federated Unlearning
von: Tao, Youming, et al.
Veröffentlicht: (2024)

The Diversity Bonus: Learning from Dissimilar Distributed Clients in Personalized Federated Learning
von: Wu, Xinghao, et al.
Veröffentlicht: (2024)

The Panaceas for Improving Low-Rank Decomposition in Communication-Efficient Federated Learning
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

FedBAT: Communication-Efficient Federated Learning via Learnable Binarization
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

Ranking-based Client Selection with Imitation Learning for Efficient Federated Learning
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)