Buchumschlag

SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yuxin, Lin, Zheng, Chen, Zhe, Fang, Zihan, Zhu, Wenjun, Chen, Xianhao, Zhao, Jin, Gao, Yue
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

LEO-Split: A Semi-Supervised Split Learning Framework over LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

DFedSat: Communication-Efficient and Robust Decentralized Federated Learning for LEO Satellite Constellations
von: Yang, Minghao, et al.
Veröffentlicht: (2024)

SFL-LEO: Asynchronous Split-Federated Learning Design for LEO Satellite-Ground Network Framework
von: Wu, Jiasheng, et al.
Veröffentlicht: (2025)

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

HSplitLoRA: A Heterogeneous Split Parameter-Efficient Fine-Tuning Framework for Large Language Models
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

LCFed: An Efficient Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

FedHC: A Hierarchical Clustered Federated Learning Framework for Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

SplitLoRA: A Split Parameter-Efficient Fine-Tuning Framework for Large Language Models
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

ALANINE: A Novel Decentralized Personalized Federated Learning For Heterogeneous LEO Satellite Constellation
von: Zhao, Liang, et al.
Veröffentlicht: (2024)

A Sharded Blockchain-Based Secure Federated Learning Framework for LEO Satellite Networks
von: Wu, Wenbo, et al.
Veröffentlicht: (2024)

CroSatFL: Energy-Efficient Federated Learning with Cross-Aggregation for Satellite Edge Computing
von: Yang, Nan, et al.
Veröffentlicht: (2026)

Stitching Satellites to the Edge: Pervasive and Efficient Federated LEO Satellite Learning
von: Elmahallawy, Mohamed, et al.
Veröffentlicht: (2024)

Intelligent Task Management via Dynamic Multi-region Division in LEO Satellite Networks
von: Song, Zixuan, et al.
Veröffentlicht: (2025)

FedSem: A Resource Allocation Scheme for Federated Learning Assisted Semantic Communication
von: Zhou, Xinyu, et al.
Veröffentlicht: (2025)

FedOptima: Optimizing Resource Utilization in Federated Learning
von: Zhang, Zihan, et al.
Veröffentlicht: (2025)

Communication-Efficient Collaborative LLM Inference over LEO Satellite Networks
von: Zhang, Songge, et al.
Veröffentlicht: (2026)

A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

Federated Inference for Heterogeneous LLM Communication and Collaboration
von: Chen, Zihan, et al.
Veröffentlicht: (2026)

FREESH: Fair, Resource- and Energy-Efficient Scheduling for LLM Serving on Heterogeneous GPUs
von: He, Xuan, et al.
Veröffentlicht: (2025)

FedHFT: Efficient Federated Finetuning with Heterogeneous Edge Clients
von: Ilhan, Fatih, et al.
Veröffentlicht: (2025)

REFT: Resource-Efficient Federated Training Framework for Heterogeneous and Resource-Constrained Environments
von: Desai, Humaid Ahmed, et al.
Veröffentlicht: (2023)

FedFog: Resource-Aware Federated Learning in Edge and Fog Networks
von: Sobati-M, Somayeh
Veröffentlicht: (2025)

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

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

FedAPTA: Federated Multi-task Learning for Heterogeneous Devices with Adaptive Layer-wise Pruning and Task-aware Aggregation
von: Yu, Zhen, et al.
Veröffentlicht: (2025)

A Cloud in the Sky: Geo-Aware On-board Data Services for LEO Satellites
von: Sandholm, Thomas, et al.
Veröffentlicht: (2024)

Delay-Aware Large-Small Model Collaboration over LEO Satellite Networks
von: Guo, Mingyu, et al.
Veröffentlicht: (2026)

Federated Learning as a Service for Hierarchical Edge Networks with Heterogeneous Models
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

EcoFed: Efficient Communication for DNN Partitioning-based Federated Learning
von: Wu, Di, et al.
Veröffentlicht: (2023)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

Memory-Efficient Split Federated Learning for LLM Fine-Tuning on Heterogeneous Mobile Devices
von: Chen, Xiaopei, et al.
Veröffentlicht: (2025)

SATSense: Multi-Satellite Collaborative Framework for Spectrum Sensing
von: Yuan, Haoxuan, et al.
Veröffentlicht: (2024)

FedCod: An Efficient Communication Protocol for Cross-Silo Federated Learning with Coding
von: Yan, Peishen, et al.
Veröffentlicht: (2024)

FedCDC: A Collaborative Framework for Data Consumers in Federated Learning Market
von: Shi, Zhuan, et al.
Veröffentlicht: (2025)

AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

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

FedSSA: Semantic Similarity-based Aggregation for Efficient Model-Heterogeneous Personalized Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

Fed-pilot: Optimizing LoRA Allocation for Efficient Federated Fine-Tuning with Heterogeneous Clients
von: Zhang, Zikai, et al.
Veröffentlicht: (2024)