:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Neto, Afonso de Sá Delgado, Egger, Maximilian, Bakshi, Mayank, Bitar, Rawad
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2406.14362
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Byzantine-Resilient Zero-Order Optimization for Communication-Efficient Heterogeneous Federated Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

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

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

Byzantine-Resilient Secure Aggregation for Federated Learning Without Privacy Compromises
von: Xia, Yue, et al.
Veröffentlicht: (2024)

Efficient Machine Unlearning by Model Splitting and Core Sample Selection
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Federated One-Shot Learning with Data Privacy and Objective-Hiding
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

LoByITFL: Low Communication Secure and Private Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Federated Learning via Distributed Optimization
von: Xia, Yufei, et al.
Veröffentlicht: (2025)

ProDiGy: Proximity- and Dissimilarity-Based Byzantine-Robust Federated Learning
von: Ergisi, Sena, et al.
Veröffentlicht: (2025)

Private Aggregation in Hierarchical Wireless Federated Learning with Partial and Full Collusion
von: Egger, Maximilian, et al.
Veröffentlicht: (2023)

Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

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

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

On the Byzantine-Resilience of Distillation-Based Federated Learning
von: Roux, Christophe, et al.
Veröffentlicht: (2024)

Self-Regulating Random Walks for Resilient Decentralized Learning on Graphs
von: Egger, Maximilian, et al.
Veröffentlicht: (2024)

Improving $(α, f)$-Byzantine Resilience in Federated Learning via layerwise aggregation and cosine distance
von: García-Márquez, Mario, et al.
Veröffentlicht: (2025)

Source Anonymity for Private Random Walk Decentralized Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

Efficient Zero-Order Federated Finetuning of Language Models for Resource-Constrained Devices
von: Ahmed, Mohamed Aboelenien, et al.
Veröffentlicht: (2025)

Maximal-Capacity Discrete Memoryless Channel Identification
von: Egger, Maximilian, et al.
Veröffentlicht: (2024)

Certifiably Byzantine-Robust Federated Conformal Prediction
von: Kang, Mintong, et al.
Veröffentlicht: (2024)

Byzantine-Robust Aggregation for Securing Decentralized Federated Learning
von: Cajaraville-Aboy, Diego, et al.
Veröffentlicht: (2024)

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

A Huber Loss Minimization Approach to Byzantine Robust Federated Learning
von: Zhao, Puning, et al.
Veröffentlicht: (2023)

Cellular Traffic Prediction via Byzantine-robust Asynchronous Federated Learning
von: Ma, Hui, et al.
Veröffentlicht: (2025)

Hierarchical Zero-Order Optimization for Deep Neural Networks
von: Cao, Sansheng, et al.
Veröffentlicht: (2026)

Communication-Efficient and Differentially Private Vertical Federated Learning with Zeroth-Order Optimization
von: Zhang, Jianing, et al.
Veröffentlicht: (2025)

Throughput Optimization as a Strategic Lever in Large-Scale AI Systems: Evidence from Dataloader and Memory Profiling Innovations
von: Jha, Mayank
Veröffentlicht: (2026)

GRANITE : a Byzantine-Resilient Dynamic Gossip Learning Framework
von: Belal, Yacine, et al.
Veröffentlicht: (2025)

ALIGN-FL: Architecture-independent Learning through Invariant Generative component sharing in Federated Learning
von: Gulati, Mayank, et al.
Veröffentlicht: (2025)

Scaling Recurrent Neural Networks to a Billion Parameters with Zero-Order Optimization
von: Chaubard, Francois, et al.
Veröffentlicht: (2025)

Byzantine-Resilient Federated Learning via QUBO-Based Client Selection on Quantum Annealers
von: Ferenczi, Andras, et al.
Veröffentlicht: (2026)

FedAdamW: A Communication-Efficient Optimizer with Convergence and Generalization Guarantees for Federated Large Models
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

Fed-Sophia: A Communication-Efficient Second-Order Federated Learning Algorithm
von: Elbakary, Ahmed, et al.
Veröffentlicht: (2024)

Efficiency Boost in Decentralized Optimization: Reimagining Neighborhood Aggregation with Minimal Overhead
von: Kalwar, Durgesh, et al.
Veröffentlicht: (2025)

Improved Generalization Bounds for Communication Efficient Federated Learning
von: Gholami, Peyman, et al.
Veröffentlicht: (2024)

Communication-Efficient Federated Learning with Accelerated Client Gradient
von: Kim, Geeho, et al.
Veröffentlicht: (2022)

A Historical Trajectory Assisted Optimization Method for Zeroth-Order Federated Learning
von: Wu, Chenlin, et al.
Veröffentlicht: (2024)

Variational Autoencoders for Efficient Simulation-Based Inference
von: Nautiyal, Mayank, et al.
Veröffentlicht: (2024)

ZeroShotOpt: Towards Zero-Shot Pretrained Models for Efficient Black-Box Optimization
von: Meindl, Jamison, et al.
Veröffentlicht: (2025)

BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning
von: Liu, Yi, et al.
Veröffentlicht: (2024)