Buchumschlag

Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-Rank Decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Xinghao, Liu, Xuefeng, Niu, Jianwei, Wang, Haolin, Tang, Shaojie, Zhu, Guogang, Su, Hao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Other Side of the Coin: Unveiling the Downsides of Model Aggregation in Federated Learning from a Layer-peeled Perspective
von: Zhu, Guogang, et al.
Veröffentlicht: (2025)

DualFed: Enjoying both Generalization and Personalization in Federated Learning via Hierachical Representations
von: Zhu, Guogang, et al.
Veröffentlicht: (2024)

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

Enhancing Visual Representation with Textual Semantics: Textual Semantics-Powered Prototypes for Heterogeneous Federated Learning
von: Wu, Xinghao, et al.
Veröffentlicht: (2025)

Tackling Feature-Classifier Mismatch in Federated Learning via Prompt-Driven Feature Transformation
von: Wu, Xinghao, et al.
Veröffentlicht: (2024)

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

Estimating before Debiasing: A Bayesian Approach to Detaching Prior Bias in Federated Semi-Supervised Learning
von: Zhu, Guogang, et al.
Veröffentlicht: (2024)

Why Go Full? Elevating Federated Learning Through Partial Network Updates
von: Wang, Haolin, et al.
Veröffentlicht: (2024)

Communication-Efficient Personalized Federal Graph Learning via Low-Rank Decomposition
von: Liu, Ruyue, et al.
Veröffentlicht: (2024)

Can Federated Learning Safeguard Private Data in LLM Training? Vulnerabilities, Attacks, and Defense Evaluation
von: Guo, Wenkai, et al.
Veröffentlicht: (2025)

Learning to Optimize Job Shop Scheduling Under Structural Uncertainty
von: Zhang, Rui, et al.
Veröffentlicht: (2026)

Federated Two Stage Decoupling With Adaptive Personalization Layers
von: Zhu, Hangyu, et al.
Veröffentlicht: (2023)

Low-Rank Knowledge Decomposition for Medical Foundation Models
von: Zhou, Yuhang, et al.
Veröffentlicht: (2024)

Personalized Federated Learning via Feature Distribution Adaptation
von: Mclaughlin, Connor J., et al.
Veröffentlicht: (2024)

Lifelong Personalized Low-Rank Adaptation of Large Language Models for Recommendation
von: Zhu, Jiachen, et al.
Veröffentlicht: (2024)

Towards Personalized Federated Learning via Comprehensive Knowledge Distillation
von: Wang, Pengju, et al.
Veröffentlicht: (2024)

CAMPA: Efficient and Aligned Multimodal Graph Learning via Decoupled Propagation and Aggregation
von: Su, Daohan, et al.
Veröffentlicht: (2026)

Ranking-aware Reinforcement Learning for Ordinal Ranking
von: Hao, Aiming, et al.
Veröffentlicht: (2026)

Tokenization, Fusion and Decoupling: Bridging the Granularity Mismatch Between Large Language Models and Knowledge Graphs
von: Su, Siyue, et al.
Veröffentlicht: (2026)

Decoupling Reasoning and Knowledge Injection for In-Context Knowledge Editing
von: Wang, Changyue, et al.
Veröffentlicht: (2025)

Optimal Policy Sparsification and Low Rank Decomposition for Deep Reinforcement Learning
von: Goddla, Vikram
Veröffentlicht: (2024)

Personalized Federated Learning via Gaussian Generative Modeling
von: Hu, Peng, et al.
Veröffentlicht: (2026)

Personalized Federated Learning via Learning Dynamic Graphs
von: Zhou, Ziran, et al.
Veröffentlicht: (2025)

Personalized Federated Continual Learning via Multi-granularity Prompt
von: Yu, Hao, et al.
Veröffentlicht: (2024)

Decoupled Entity Representation Learning for Pinterest Ads Ranking
von: Liu, Jie, et al.
Veröffentlicht: (2025)

DiffLoRA: Generating Personalized Low-Rank Adaptation Weights with Diffusion
von: Wu, Yujia, et al.
Veröffentlicht: (2024)

FLEx: Personalized Federated Learning for Mixture-of-Experts LLMs via Expert Grafting
von: Liu, Fan, et al.
Veröffentlicht: (2025)

LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models
von: Li, Haolin, et al.
Veröffentlicht: (2024)

FedHL: Federated Learning for Heterogeneous Low-Rank Adaptation via Unbiased Aggregation
von: Peng, Zihao, et al.
Veröffentlicht: (2025)

Learning Submodular Sequencing from Samples
von: Yuan, Jing, et al.
Veröffentlicht: (2024)

Low-Rank Tensor Decompositions for the Theory of Neural Networks
von: Borsoi, Ricardo, et al.
Veröffentlicht: (2025)

Federated Continual Learning via Knowledge Fusion: A Survey
von: Yang, Xin, et al.
Veröffentlicht: (2023)

Preventing Rank Collapse in Federated Low-Rank Adaptation with Client Heterogeneity
von: Wu, Fei, et al.
Veröffentlicht: (2026)

Beyond Factor Aggregation: Gauge-Aware Low-Rank Server Representations for Federated LoRA
von: Chen, Jinqian, et al.
Veröffentlicht: (2026)

TraceScope: Interactive URL Triage via Decoupled Checklist Adjudication
von: Zhang, Haolin, et al.
Veröffentlicht: (2026)

FL-TAC: Enhanced Fine-Tuning in Federated Learning via Low-Rank, Task-Specific Adapter Clustering
von: Ping, Siqi, et al.
Veröffentlicht: (2024)

A Shared Low-Rank Adaptation Approach to Personalized RLHF
von: Liu, Renpu, et al.
Veröffentlicht: (2025)

LoRe: Personalizing LLMs via Low-Rank Reward Modeling
von: Bose, Avinandan, et al.
Veröffentlicht: (2025)

Efficient Generalized Low-Rank Tensor Contextual Bandits
von: Yi, Qianxin, et al.
Veröffentlicht: (2023)

APFL: Analytic Personalized Federated Learning via Dual-Stream Least Squares
von: Fan, Kejia, et al.
Veröffentlicht: (2025)