Buchumschlag

Federated Learning with Integrated Sensing, Communication, and Computation: Frameworks and Performance Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liang, Yipeng, Chen, Qimei, Jiang, Hao
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

Communication-and-Computation Efficient Split Federated Learning: Gradient Aggregation and Resource Management
von: Liang, Yipeng, et al.
Veröffentlicht: (2025)

Convergence-Privacy-Fairness Trade-Off in Personalized Federated Learning
von: Zhao, Xiyu, et al.
Veröffentlicht: (2025)

Communication and Computation Efficient Split Federated Learning in O-RAN
von: Gu, Shunxian, et al.
Veröffentlicht: (2025)

ParaBlock: Communication-Computation Parallel Block Coordinate Federated Learning for Large Language Models
von: Wang, Yujia, et al.
Veröffentlicht: (2025)

Energy-Efficient Federated Learning for Edge Real-Time Vision via Joint Data, Computation, and Communication Design
von: Hou, Xiangwang, et al.
Veröffentlicht: (2025)

Computation and Communication Efficient Lightweighting Vertical Federated Learning for Smart Building IoT
von: Wang, Heqiang, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Cooperative Federated Edge Learning with Adaptive Computation and Communication Compression
von: Zhang, Zhenxiao, et al.
Veröffentlicht: (2024)

Enhancing Convergence, Privacy and Fairness for Wireless Personalized Federated Learning: Quantization-Assisted Min-Max Fair Scheduling
von: Zhao, Xiyu, et al.
Veröffentlicht: (2025)

GPFL: A Gradient Projection-Based Client Selection Framework for Efficient Federated Learning
von: Na, Shijie, et al.
Veröffentlicht: (2024)

Performance and Energy Trade-Off Analysis of Hierarchical Federated Learning for Plant Disease Classification
von: Papanikolaou, Athanasios, et al.
Veröffentlicht: (2026)

HiFGL: A Hierarchical Framework for Cross-silo Cross-device Federated Graph Learning
von: Guo, Zhuoning, et al.
Veröffentlicht: (2024)

Secure Federated Learning Across Heterogeneous Cloud and High-Performance Computing Resources -- A Case Study on Federated Fine-tuning of LLaMA 2
von: Li, Zilinghan, et al.
Veröffentlicht: (2024)

CSAFL: A Clustered Semi-Asynchronous Federated Learning Framework
von: Zhang, Yu, et al.
Veröffentlicht: (2021)

Masked Random Noise for Communication Efficient Federated Learning
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

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

FedDD: Toward Communication-efficient Federated Learning with Differential Parameter Dropout
von: Feng, Zhiying, et al.
Veröffentlicht: (2023)

A Bayesian Framework for Clustered Federated Learning
von: Wu, Peng, et al.
Veröffentlicht: (2024)

Flexible Clustered Federated Learning for Client-Level Data Distribution Shift
von: Duan, Moming, et al.
Veröffentlicht: (2021)

Towards Communication-efficient Federated Learning via Sparse and Aligned Adaptive Optimization
von: Deng, Xiumei, et al.
Veröffentlicht: (2024)

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

Adaptive Client Selection with Personalization for Communication Efficient Federated Learning
von: de Souza, Allan M., et al.
Veröffentlicht: (2024)

Greedy Shapley Client Selection for Communication-Efficient Federated Learning
von: Singhal, Pranava, et al.
Veröffentlicht: (2023)

Ampere: Communication-Efficient and High-Accuracy Split Federated Learning
von: Zhang, Zihan, et al.
Veröffentlicht: (2025)

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

Blockchain-based Framework for Scalable and Incentivized Federated Learning
von: Wu, Bijun, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated AUC Maximization with Cyclic Client Participation
von: Vangapally, Umesh, et al.
Veröffentlicht: (2026)

FLAM: Evaluating Model Performance with Aggregatable Measures in Federated Learning
von: Stricker, Fabian, et al.
Veröffentlicht: (2026)

FedGroup: Efficient Clustered Federated Learning via Decomposed Data-Driven Measure
von: Duan, Moming, et al.
Veröffentlicht: (2020)

Topology-aware Federated Learning in Edge Computing: A Comprehensive Survey
von: Wu, Jiajun, et al.
Veröffentlicht: (2023)

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

FedBAT: Communication-Efficient Federated Learning via Learnable Binarization
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

Bandwidth-Aware and Overlap-Weighted Compression for Communication-Efficient Federated Learning
von: Tang, Zichen, et al.
Veröffentlicht: (2024)

Communication-Efficient Distributed Deep Learning via Federated Dynamic Averaging
von: Theologitis, Michail, et al.
Veröffentlicht: (2024)

Communication-Efficient Multimodal Federated Learning: Joint Modality and Client Selection
von: Yuan, Liangqi, et al.
Veröffentlicht: (2024)

Communication-Efficient Device Scheduling for Federated Learning Using Lyapunov Optimization
von: Perazzone, Jake B., et al.
Veröffentlicht: (2025)

The Panaceas for Improving Low-Rank Decomposition in Communication-Efficient Federated Learning
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

A Robust Federated Learning Framework for Undependable Devices at Scale
von: Wang, Shilong, et al.
Veröffentlicht: (2024)

Review of Mathematical Optimization in Federated Learning
von: Yang, Shusen, et al.
Veröffentlicht: (2024)

Rethinking Personalized Federated Learning with Clustering-based Dynamic Graph Propagation
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

FedSAE: A Novel Self-Adaptive Federated Learning Framework in Heterogeneous Systems
von: Li, Li, et al.
Veröffentlicht: (2021)