Buchumschlag

Federated Learning with Limited Node Labels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tang, Bisheng, Chen, Xiaojun, Wang, Shaopu, Xuan, Yuexin, Zhao, Zhendong
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)

FedHERO: A Federated Learning Approach for Node Classification Task on Heterophilic Graphs
von: Chen, Zihan, et al.
Veröffentlicht: (2025)

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

SemiDFL: A Semi-Supervised Paradigm for Decentralized Federated Learning
von: Liu, Xinyang, et al.
Veröffentlicht: (2024)

LCFed: An Efficient Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

FedFusion: Federated Learning with Diversity- and Cluster-Aware Encoders for Robust Adaptation under Label Scarcity
von: Kahenga, Ferdinand, et al.
Veröffentlicht: (2025)

FedAC: An Adaptive Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

DP2FL: Dual Prompt Personalized Federated Learning in Foundation Models
von: Chang, Ying, et al.
Veröffentlicht: (2025)

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

Variational Bayes for Federated Continual Learning
von: Yao, Dezhong, et al.
Veröffentlicht: (2024)

FedCore: Straggler-Free Federated Learning with Distributed Coresets
von: Guo, Hongpeng, et al.
Veröffentlicht: (2024)

FedImpro: Measuring and Improving Client Update in Federated Learning
von: Tang, Zhenheng, et al.
Veröffentlicht: (2024)

SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

Enhancing Data Quality in Federated Fine-Tuning of Foundation Models
von: Zhao, Wanru, et al.
Veröffentlicht: (2024)

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

Calibre: Towards Fair and Accurate Personalized Federated Learning with Self-Supervised Learning
von: Chen, Sijia, et al.
Veröffentlicht: (2024)

A Closer Look at Personalized Fine-Tuning in Heterogeneous Federated Learning
von: Chen, Minghui, et al.
Veröffentlicht: (2025)

Selective Knowledge Sharing for Personalized Federated Learning Under Capacity Heterogeneity
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

From Coordinate Matching to Structural Alignment: Rethinking Prototype Alignment in Heterogeneous Federated Learning
von: Wu, Xinghao, et al.
Veröffentlicht: (2026)

When Foundation Model Meets Federated Learning: Motivations, Challenges, and Future Directions
von: Zhuang, Weiming, et al.
Veröffentlicht: (2023)

FedAA: A Reinforcement Learning Perspective on Adaptive Aggregation for Fair and Robust Federated Learning
von: He, Jialuo, et al.
Veröffentlicht: (2024)

Mobility Accelerates Learning: Convergence Analysis on Hierarchical Federated Learning in Vehicular Networks
von: Chen, Tan, et al.
Veröffentlicht: (2024)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Beyond Aggregation: Guiding Clients in Heterogeneous Federated Learning
von: Wang, Zijian, 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)

Incentivizing High-quality Participation From Federated Learning Agents
von: Pang, Jinlong, et al.
Veröffentlicht: (2025)

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

Cyclical Weight Consolidation: Towards Solving Catastrophic Forgetting in Serial Federated Learning
von: Song, Haoyue, et al.
Veröffentlicht: (2024)

FedSAC: Dynamic Submodel Allocation for Collaborative Fairness in Federated Learning
von: Wang, Zihui, et al.
Veröffentlicht: (2024)

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

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

Influence-oriented Personalized Federated Learning
von: Tan, Yue, 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)

Global and Local Prompts Cooperation via Optimal Transport for Federated Learning
von: Li, Hongxia, et al.
Veröffentlicht: (2024)

FL-GUARD: A Holistic Framework for Run-Time Detection and Recovery of Negative Federated Learning
von: Lin, Hong, et al.
Veröffentlicht: (2024)