Buchumschlag

One-Shot Federated Learning with Bayesian Pseudocoresets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	d'Hondt, Tim, Pechenizkiy, Mykola, Peharz, Robert
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

FedMHO: Heterogeneous One-Shot Federated Learning Towards Resource-Constrained Edge Devices
von: Yao, Dezhong, et al.
Veröffentlicht: (2025)

Towards One-shot Federated Learning: Advances, Challenges, and Future Directions
von: Amato, Flora, et al.
Veröffentlicht: (2025)

Bayesian Federated Model Compression for Communication and Computation Efficiency
von: Xia, Chengyu, et al.
Veröffentlicht: (2024)

Revisiting Ensembling in One-Shot Federated Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

FedRef: Bayesian Fine-Tuning using a Reference Model to Mitigate Catastrophic Forgetting for Heterogeneous Federated Learning
von: Yoon, Taehwan, et al.
Veröffentlicht: (2025)

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

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

Catastrophic Forgetting Resilient One-Shot Incremental Federated Learning
von: Zaland, Obaidullah, et al.
Veröffentlicht: (2026)

Sampling Parallelism for Fast and Efficient Bayesian Learning
von: Özdemir, Asena Karolin, et al.
Veröffentlicht: (2026)

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

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

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

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)

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

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)

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)

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)

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)

Gradient Correction in Federated Learning with Adaptive Optimization
von: Chen, Evan, et al.
Veröffentlicht: (2025)

FedFisher: Leveraging Fisher Information for One-Shot Federated Learning
von: Jhunjhunwala, Divyansh, et al.
Veröffentlicht: (2024)

FuseFL: One-Shot Federated Learning through the Lens of Causality with Progressive Model Fusion
von: Tang, Zhenheng, et al.
Veröffentlicht: (2024)

Learn How to Query from Unlabeled Data Streams in Federated Learning
von: Sun, Yuchang, et al.
Veröffentlicht: (2024)

Delayed Random Partial Gradient Averaging for Federated Learning
von: Hu, Xinyi
Veröffentlicht: (2024)

FedAH: Aggregated Head for Personalized Federated Learning
von: Zhou, Pengzhan, et al.
Veröffentlicht: (2024)

FedTLU: Federated Learning with Targeted Layer Updates
von: Park, Jong-Ik, et al.
Veröffentlicht: (2024)

Optimizing Federated Learning by Entropy-Based Client Selection
von: Lutz, Andreas, et al.
Veröffentlicht: (2024)

FedUV: Uniformity and Variance for Heterogeneous Federated Learning
von: Son, Ha Min, et al.
Veröffentlicht: (2024)

Impact of network topology on the performance of Decentralized Federated Learning
von: Palmieri, Luigi, et al.
Veröffentlicht: (2024)

Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout
von: Liu, Ji, et al.
Veröffentlicht: (2025)

FedMT: Federated Learning with Mixed-type Labels
von: Zhang, Qiong, et al.
Veröffentlicht: (2022)

QFed: Parameter-Compact Quantum-Classical Federated Learning
von: Abdelghani, Samar, et al.
Veröffentlicht: (2026)

Beyond Aggregation: Guiding Clients in Heterogeneous Federated Learning
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

AugFL: Augmenting Federated Learning with Pretrained Models
von: Yue, Sheng, et al.
Veröffentlicht: (2025)

Sparse Training for Federated Learning with Regularized Error Correction
von: Greidi, Ran, et al.
Veröffentlicht: (2023)

CommunityAI: Towards Community-based Federated Learning
von: Murturi, Ilir, et al.
Veröffentlicht: (2023)