Buchumschlag

Personalized Multi-tier Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Banerjee, Sourasekhar, Dadras, Ali, Yurtsever, Alp, Bhuyan, Monowar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provable Reduction in Communication Rounds for Non-Smooth Convex Federated Learning
von: Palenzuela, Karlo, et al.
Veröffentlicht: (2025)

Federated Frank-Wolfe Algorithm
von: Dadras, Ali, et al.
Veröffentlicht: (2024)

Convex Formulations for Training Two-Layer ReLU Neural Networks
von: Prakhya, Karthik, et al.
Veröffentlicht: (2024)

Implicit Bias in Matrix Factorization and its Explicit Realization in a New Architecture
von: Hou, Yikun, et al.
Veröffentlicht: (2025)

Painless Federated Learning: An Interplay of Line-Search and Extrapolation
von: Geetika, et al.
Veröffentlicht: (2024)

Multi-Objective Optimization for Sparse Deep Multi-Task Learning
von: Hotegni, S. S., et al.
Veröffentlicht: (2023)

Federated Instrumental Variable Analysis via Federated Generalized Method of Moments
von: Geetika, et al.
Veröffentlicht: (2025)

Revisiting Frank-Wolfe for Structured Nonconvex Optimization
von: Maskan, Hoomaan, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Multi-Truck Vehicle Routing Problems
von: Levin, Joshua, et al.
Veröffentlicht: (2022)

Client-Centric Federated Adaptive Optimization
von: Sun, Jianhui, et al.
Veröffentlicht: (2025)

Optimization and Generalization Guarantees for Weight Normalization
von: Cisneros-Velarde, Pedro, et al.
Veröffentlicht: (2024)

Multi-task Representation Learning for Mixed Integer Linear Programming
von: Cai, Junyang, et al.
Veröffentlicht: (2024)

Federated Majorize-Minimization: Beyond Parameter Aggregation
von: Dieuleveut, Aymeric, et al.
Veröffentlicht: (2025)

Exact Convex Reformulations of Linear Neural Networks via Completely Positive Lifting
von: Prakhya, Karthik, et al.
Veröffentlicht: (2026)

Global Convergence Guarantees for Federated Policy Gradient Methods with Adversaries
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Robust Evolutionary Multi-Objective Network Architecture Search for Reinforcement Learning (EMNAS-RL)
von: Adde, Nihal Acharya, et al.
Veröffentlicht: (2025)

Federated Dynamical Low-Rank Training with Global Loss Convergence Guarantees
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2024)

Federated Distributionally Robust Optimization with Non-Convex Objectives: Algorithm and Analysis
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

Decentralized Personalized Federated Learning
von: Kharrat, Salma, et al.
Veröffentlicht: (2024)

MTF-Grasp: A Multi-tier Federated Learning Approach for Robotic Grasping
von: Zaland, Obaidullah, et al.
Veröffentlicht: (2025)

Adaptive Smooth Tchebycheff Attention for Multi-Objective Policy Optimization
von: Murillo-Gonzalez, Alejandro, et al.
Veröffentlicht: (2026)

Hierarchical Deep Reinforcement Learning Framework for Multi-Year Asset Management Under Budget Constraints
von: Fard, Amir, et al.
Veröffentlicht: (2025)

Examining Policy Entropy of Reinforcement Learning Agents for Personalization Tasks
von: Dereventsov, Anton, et al.
Veröffentlicht: (2022)

How to escape sharp minima with random perturbations
von: Ahn, Kwangjun, et al.
Veröffentlicht: (2023)

Approximate and Weighted Data Reconstruction Attack in Federated Learning
von: Song, Yongcun, et al.
Veröffentlicht: (2023)

Jacobian Descent for Multi-Objective Optimization
von: Quinton, Pierre, et al.
Veröffentlicht: (2024)

Achieving Tighter Finite-Time Rates for Heterogeneous Federated Stochastic Approximation under Markovian Sampling
von: Zhu, Feng, et al.
Veröffentlicht: (2025)

Multi-Year Maintenance Planning for Large-Scale Infrastructure Systems: A Novel Network Deep Q-Learning Approach
von: Fard, Amir, et al.
Veröffentlicht: (2025)

On Model Protection in Federated Learning against Eavesdropping Attacks
von: Maity, Dipankar, et al.
Veröffentlicht: (2025)

On Some Tunable Multi-fidelity Bayesian Optimization Frameworks
von: Manoj, Arjun, et al.
Veröffentlicht: (2025)

Universal Adaptive Proximal Gradient Methods via Gradient Mapping Accumulation
von: Wang, Zimeng, et al.
Veröffentlicht: (2026)

Generalized Stochastic Gradient Descent with Momentum Methods for Smooth Optimization
von: Wang, Zimeng, et al.
Veröffentlicht: (2026)

A Median Perspective on Unlabeled Data for Out-of-Distribution Detection
von: Abbas, Momin, et al.
Veröffentlicht: (2025)

Intersection of Reinforcement Learning and Bayesian Optimization for Intelligent Control of Industrial Processes: A Safe MPC-based DPG using Multi-Objective BO
von: Esfahani, Hossein Nejatbakhsh, et al.
Veröffentlicht: (2025)

A Unified Framework for Gradient Aggregation in Multi-Objective Optimization
von: Hu, Zeou, et al.
Veröffentlicht: (2026)

Learning Backdoors for Mixed Integer Linear Programs with Contrastive Learning
von: Cai, Junyang, et al.
Veröffentlicht: (2024)

TaskMet: Task-Driven Metric Learning for Model Learning
von: Bansal, Dishank, et al.
Veröffentlicht: (2023)

Agentic Transformers Provably Learn to Search via Reinforcement Learning
von: Yang, Tong, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Delivery Delay Duration Prediction via Multi-Task Deep Learning
von: Faulkner, Stefan, et al.
Veröffentlicht: (2026)

R2L: Reliable Reinforcement Learning: Guaranteed Return & Reliable Policies in Reinforcement Learning
von: Farhi, Nadir
Veröffentlicht: (2025)