Buchumschlag

FedTSA: A Cluster-based Two-Stage Aggregation Method for Model-heterogeneous Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Boyu, Wu, Chenrui, Su, Xiang, Hui, Pan
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

FedDRL: A Trustworthy Federated Learning Model Fusion Method Based on Staged Reinforcement Learning
von: Chen, Leiming, et al.
Veröffentlicht: (2023)

pFedGPA: Diffusion-based Generative Parameter Aggregation for Personalized Federated Learning
von: Lai, Jiahao, et al.
Veröffentlicht: (2024)

FedSKD: Aggregation-free Model-heterogeneous Federated Learning via Multi-dimensional Similarity Knowledge Distillation for Medical Image Classification
von: Weng, Ziqiao, et al.
Veröffentlicht: (2025)

FedLPA: One-shot Federated Learning with Layer-Wise Posterior Aggregation
von: Liu, Xiang, et al.
Veröffentlicht: (2023)

FedUAF: Uncertainty-Aware Fusion with Reliability-Guided Aggregation for Multimodal Federated Sentiment Analysis
von: Zhu, Xianxun, et al.
Veröffentlicht: (2026)

FedSA-GCL: A Semi-Asynchronous Federated Graph Learning Framework with Personalized Aggregation and Cluster-Aware Broadcasting
von: Yuan, Zhongzheng, et al.
Veröffentlicht: (2025)

FedSI: Federated Subnetwork Inference for Efficient Uncertainty Quantification
von: Chen, Hui, et al.
Veröffentlicht: (2024)

FedSCAM (Federated Sharpness-Aware Minimization with Clustered Aggregation and Modulation): Scam-resistant SAM for Robust Federated Optimization in Heterogeneous Environments
von: Rahil, Sameer, et al.
Veröffentlicht: (2025)

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

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

FedPFT: Federated Proxy Fine-Tuning of Foundation Models
von: Peng, Zhaopeng, et al.
Veröffentlicht: (2024)

FedAPA: Federated Learning with Adaptive Prototype Aggregation Toward Heterogeneous Wi-Fi CSI-based Crowd Counting
von: Guo, Jingtao, et al.
Veröffentlicht: (2025)

FedCAP: Robust Federated Learning via Customized Aggregation and Personalization
von: Li, Youpeng, et al.
Veröffentlicht: (2024)

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

FedEmb: A Vertical and Hybrid Federated Learning Algorithm using Network And Feature Embedding Aggregation
von: Meng, Fanfei, et al.
Veröffentlicht: (2023)

Enhancing Federated Learning Through Secure Cluster-Weighted Client Aggregation
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

CEPerFed: Communication-Efficient Personalized Federated Learning for Multi-Pulse MRI Classification
von: Li, Ludi, et al.
Veröffentlicht: (2025)

AdaFed: Fair Federated Learning via Adaptive Common Descent Direction
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

FedVG: Gradient-Guided Aggregation for Enhanced Federated Learning
von: Devkota, Alina, et al.
Veröffentlicht: (2026)

FedSDWC: Federated Synergistic Dual-Representation Weak Causal Learning for OOD
von: Huang, Zhenyuan, et al.
Veröffentlicht: (2025)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

FedPSA: Modeling Behavioral Staleness in Asynchronous Federated Learning
von: Lu, Chaoyi, et al.
Veröffentlicht: (2026)

FedLion: Faster Adaptive Federated Optimization with Fewer Communication
von: Tang, Zhiwei, et al.
Veröffentlicht: (2024)

FedSA: A Unified Representation Learning via Semantic Anchors for Prototype-based Federated Learning
von: Zhou, Yanbing, et al.
Veröffentlicht: (2025)

FedGTST: Boosting Global Transferability of Federated Models via Statistics Tuning
von: Ma, Evelyn, et al.
Veröffentlicht: (2024)

FedTracker: Furnishing Ownership Verification and Traceability for Federated Learning Model
von: Shao, Shuo, et al.
Veröffentlicht: (2022)

FedConv: A Learning-on-Model Paradigm for Heterogeneous Federated Clients
von: Shen, Leming, et al.
Veröffentlicht: (2025)

FedBCD:Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

TAP: Two-Stage Adaptive Personalization of Multi-Task and Multi-Modal Foundation Models in Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

Energy-Efficient Federated Learning for AIoT using Clustering Methods
von: Pereira, Roberto, et al.
Veröffentlicht: (2025)

FedSSG: Expectation-Gated and History-Aware Drift Alignment for Federated Learning
von: Zhou, Zhanting, et al.
Veröffentlicht: (2025)

Fed-Credit: Robust Federated Learning with Credibility Management
von: Chen, Jiayan, et al.
Veröffentlicht: (2024)

FedBWO: Enhancing Communication Efficiency in Federated Learning
von: Hayyolalam, Vahideh, et al.
Veröffentlicht: (2025)

FedEL: Federated Elastic Learning for Heterogeneous Devices
von: Zhang, Letian, et al.
Veröffentlicht: (2025)

FedMuon: Accelerating Federated Learning with Matrix Orthogonalization
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

FedModule: A Modular Federated Learning Framework
von: Chen, Chuyi, et al.
Veröffentlicht: (2024)

FedEGG: Federated Learning with Explicit Global Guidance
von: Zhai, Kun, et al.
Veröffentlicht: (2024)

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

FedTrans: Efficient Federated Learning via Multi-Model Transformation
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

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