Buchumschlag

Algorithms for Collaborative Machine Learning under Statistical Heterogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hahn, Seok-Ju
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pursuing Overall Welfare in Federated Learning through Sequential Decision Making
von: Hahn, Seok-Ju, et al.
Veröffentlicht: (2024)

Approximate Agreement Algorithms for Byzantine Collaborative Learning
von: Cambus, Mélanie, et al.
Veröffentlicht: (2025)

Federated Learning under Periodic Client Participation and Heterogeneous Data: A New Communication-Efficient Algorithm and Analysis
von: Crawshaw, Michael, et al.
Veröffentlicht: (2024)

An Efficient Subspace Algorithm for Federated Learning on Heterogeneous Data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2025)

Heterogeneity: An Open Challenge for Federated On-board Machine Learning
von: Hartmann, Maria, et al.
Veröffentlicht: (2024)

PiPar: Pipeline Parallelism for Collaborative Machine Learning
von: Zhang, Zihan, et al.
Veröffentlicht: (2022)

Proof-of-Collaborative-Learning: A Multi-winner Federated Learning Consensus Algorithm
von: Sokhankhosh, Amirreza, et al.
Veröffentlicht: (2024)

Local Gradient Regulation Stabilizes Federated Learning under Client Heterogeneity
von: Luo, Ping, et al.
Veröffentlicht: (2026)

TACOS: Topology-Aware Collective Algorithm Synthesizer for Distributed Machine Learning
von: Won, William, et al.
Veröffentlicht: (2023)

CYCle: Choosing Your Collaborators Wisely to Enhance Collaborative Fairness in Decentralized Learning
von: Tastan, Nurbek, et al.
Veröffentlicht: (2025)

FedMOA: Federated GRPO for Personalized Reasoning LLMs under Heterogeneous Rewards
von: Wang, Ziyao, et al.
Veröffentlicht: (2026)

Federated Model Heterogeneous Matryoshka Representation Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

FLASH: Federated Learning Across Simultaneous Heterogeneities
von: Chang, Xiangyu, et al.
Veröffentlicht: (2024)

Heterogeneous Federated Learning with Prototype Alignment and Upscaling
von: Lee, Gyuejeong, et al.
Veröffentlicht: (2025)

Hypernetworks for Model-Heterogeneous Personalized Federated Learning
von: Zhang, Chen, et al.
Veröffentlicht: (2025)

STHFL: Spatio-Temporal Heterogeneous Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Venn: Resource Management for Collaborative Learning Jobs
von: Liu, Jiachen, et al.
Veröffentlicht: (2023)

Collaborative Batch Size Optimization for Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2025)

Heterogeneous Federated Learning with Convolutional and Spiking Neural Networks
von: Yu, Yingchao, et al.
Veröffentlicht: (2024)

Convergence Analysis of Split Federated Learning on Heterogeneous Data
von: Han, Pengchao, et al.
Veröffentlicht: (2024)

Averaging Rate Scheduler for Decentralized Learning on Heterogeneous Data
von: Aketi, Sai Aparna, et al.
Veröffentlicht: (2024)

Knowledge-Driven Federated Graph Learning on Model Heterogeneity
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Tackling Privacy Heterogeneity in Differentially Private Federated Learning
von: Xu, Ruichen, et al.
Veröffentlicht: (2026)

DG-CoLearn: An Efficient Collaborative Learning Framework for Dynamic Graphs
von: Au, Ashley Hoi-Ting, et al.
Veröffentlicht: (2026)

CoBo: Collaborative Learning via Bilevel Optimization
von: Hashemi, Diba, et al.
Veröffentlicht: (2024)

CoFormer: Collaborating with Heterogeneous Edge Devices for Scalable Transformer Inference
von: Xu, Guanyu, et al.
Veröffentlicht: (2025)

Achieving Linear Speedup in Asynchronous Federated Learning with Heterogeneous Clients
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

Non-Federated Multi-Task Split Learning for Heterogeneous Sources
von: Zheng, Yilin, et al.
Veröffentlicht: (2024)

Apodotiko: Enabling Efficient Serverless Federated Learning in Heterogeneous Environments
von: Chadha, Mohak, et al.
Veröffentlicht: (2024)

On the Convergence Rates of Federated Q-Learning across Heterogeneous Environments
von: Wang, Leo Muxing, et al.
Veröffentlicht: (2024)

Robust Model Aggregation for Heterogeneous Federated Learning: Analysis and Optimizations
von: Shao, Yumeng, et al.
Veröffentlicht: (2024)

Nonconvex Federated Learning on Compact Smooth Submanifolds With Heterogeneous Data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Client Selection Methodology For Efficient Federated Learning
von: Balivada, Nihal, et al.
Veröffentlicht: (2026)

Resource-Aware Aggregation and Sparsification in Heterogeneous Ensemble Federated Learning
von: Ryum, Keumseo, et al.
Veröffentlicht: (2025)

Fed-REACT: Federated Representation Learning for Heterogeneous and Evolving Data
von: Chen, Yiyue, et al.
Veröffentlicht: (2025)

BEFL: Balancing Energy Consumption in Federated Learning for Mobile Edge IoT
von: Ju, Zehao, et al.
Veröffentlicht: (2024)

Learning the Optimal Path and DNN Partition for Collaborative Edge Inference
von: Huang, Yin, et al.
Veröffentlicht: (2024)

Breaking the Memory Wall for Heterogeneous Federated Learning via Progressive Training
von: Wu, Yebo, et al.
Veröffentlicht: (2024)

A Unified Solution to Diverse Heterogeneities in One-shot Federated Learning
von: Bai, Jun, et al.
Veröffentlicht: (2024)

Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)