:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Hang, Meese, Collin, Nejad, Mark, Shen, Chien-Chung
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2407.12226
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Learning with Graph-Based Aggregation for Traffic Forecasting
von: Banik, Audri, et al.
Veröffentlicht: (2025)

Channel-Independent Federated Traffic Prediction
von: Zhang, Mo, et al.
Veröffentlicht: (2025)

Scheduling and Aggregation Design for Asynchronous Federated Learning over Wireless Networks
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2022)

Learning from Yesterday's Error: An Efficient Online Learning Method for Traffic Demand Prediction
von: Huang, Xiannan, et al.
Veröffentlicht: (2026)

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

Who to Trust? Aggregating Client Predictions in Federated Distillation
von: Kovalchuk, Viktor, et al.
Veröffentlicht: (2025)

Bayesian Robust Aggregation for Federated Learning
von: Karakulev, Aleksandr, et al.
Veröffentlicht: (2025)

FedCFA: Alleviating Simpson's Paradox in Model Aggregation with Counterfactual Federated Learning
von: Jiang, Zhonghua, et al.
Veröffentlicht: (2024)

Differentially Private Clustered Federated Learning with Privacy-Preserving Initialization and Normality-Driven Aggregation
von: Xu, Jie, et al.
Veröffentlicht: (2026)

Fed-KAN: Federated Learning with Kolmogorov-Arnold Networks for Traffic Prediction
von: Zeydan, Engin, et al.
Veröffentlicht: (2025)

Integrated Gradient Correlation: a Dataset-wise Attribution Method
von: Lelièvre, Pierre, et al.
Veröffentlicht: (2024)

Federated Classification in Hyperbolic Spaces via Secure Aggregation of Convex Hulls
von: Prakash, Saurav, et al.
Veröffentlicht: (2023)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Hotspot Prediction of Severe Traffic Accidents in the Federal District of Brazil
von: Lima, Vinicius, et al.
Veröffentlicht: (2023)

CSIT-Free Model Aggregation for Federated Edge Learning via Reconfigurable Intelligent Surface
von: Liu, Hang, et al.
Veröffentlicht: (2021)

Predicting Traffic Flow with Federated Learning and Graph Neural with Asynchronous Computations Network
von: Yaqub, Muhammad, et al.
Veröffentlicht: (2024)

Resisting Backdoor Attacks in Federated Learning via Bidirectional Elections and Individual Perspective
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

Selective Aggregation for Low-Rank Adaptation in Federated Learning
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

Personalized Bayesian Federated Learning with Wasserstein Barycenter Aggregation
von: Wei, Ting, et al.
Veröffentlicht: (2025)

Leveraging Function Space Aggregation for Federated Learning at Scale
von: Dhawan, Nikita, et al.
Veröffentlicht: (2023)

Separate Aggregation of Split Network for Personalized Federated Learning
von: Kang, Yunseok, et al.
Veröffentlicht: (2026)

Byzantine-Robust Federated Learning with Learnable Aggregation Weights
von: Parsa, Javad, et al.
Veröffentlicht: (2025)

Lossless Privacy-Preserving Aggregation for Decentralized Federated Learning
von: Miao, Xiaoye, et al.
Veröffentlicht: (2025)

Poisoning Attacks on Federated Learning-based Wireless Traffic Prediction
von: Zhang, Zifan, et al.
Veröffentlicht: (2024)

ERIS: Enhancing Privacy and Scalability in Federated Learning via Federated Shard Aggregation
von: Fenoglio, Dario, et al.
Veröffentlicht: (2026)

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

Is Aggregation the Only Choice? Federated Learning via Layer-wise Model Recombination
von: Hu, Ming, et al.
Veröffentlicht: (2023)

Predicting Traffic Congestion at Urban Intersections Using Data-Driven Modeling
von: Kelly, Tara, et al.
Veröffentlicht: (2024)

Decoupled Contrastive Learning for Federated Learning
von: Kim, Hyungbin, et al.
Veröffentlicht: (2025)

Federated Hierarchical Reinforcement Learning for Adaptive Traffic Signal Control
von: Fu, Yongjie, et al.
Veröffentlicht: (2025)

FedPID: An Aggregation Method for Federated Learning
von: Mächler, Leon, et al.
Veröffentlicht: (2024)

Intrinsic Training Signals for Federated Learning Aggregation
von: Fiorini, Cosimo, et al.
Veröffentlicht: (2025)

Personalizing Exposure Therapy via Reinforcement Learning
von: Mahmoudi-Nejad, Athar, et al.
Veröffentlicht: (2025)

An Element-Wise Weights Aggregation Method for Federated Learning
von: Hu, Yi, et al.
Veröffentlicht: (2024)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

AutoFed: Personalized Federated Traffic Prediction via Adaptive Prompt
von: Zhao, Zijian, et al.
Veröffentlicht: (2025)

Performative Prediction with Bandit Feedback: Learning through Reparameterization
von: Chen, Yatong, et al.
Veröffentlicht: (2023)

Dynamic Meta-Layer Aggregation for Byzantine-Robust Federated Learning
von: Das, Reek, et al.
Veröffentlicht: (2026)

Enhancing the Convergence of Federated Learning Aggregation Strategies with Limited Data
von: Díaz, Judith Sáinz-Pardo, et al.
Veröffentlicht: (2025)

On the Power of Adaptive Weighted Aggregation in Heterogeneous Federated Learning and Beyond
von: Zeng, Dun, et al.
Veröffentlicht: (2023)