Buchumschlag

Hierarchical Federated Learning with Multi-Timescale Gradient Correction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Wenzhi, Han, Dong-Jun, Chen, Evan, Wang, Shiqiang, Brinton, Christopher G.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gradient Correction in Federated Learning with Adaptive Optimization
von: Chen, Evan, et al.
Veröffentlicht: (2025)

Joint Continual Learning of Local Language Models and Cloud Offloading Decisions with Budget Constraints
von: Chen, Evan, et al.
Veröffentlicht: (2026)

Federated Learning over Hierarchical Wireless Networks: Training Latency Minimization via Submodel Partitioning
von: Fang, Wenzhi, et al.
Veröffentlicht: (2023)

TAP: Two-Stage Adaptive Personalization of Multi-Task and Multi-Modal Foundation Models in Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

Bridging On-Device and Cloud LLMs for Collaborative Reasoning: A Unified Methodology for Local Routing and Post-Training
von: Fang, Wenzhi, et al.
Veröffentlicht: (2025)

Federated Sketching LoRA: A Flexible Framework for Heterogeneous Collaborative Fine-Tuning of LLMs
von: Fang, Wenzhi, et al.
Veröffentlicht: (2025)

PAAC: Privacy-Aware Agentic Device-Cloud Collaboration
von: Yuan, Liangqi, et al.
Veröffentlicht: (2026)

Differentially-Private Multi-Tier Federated Learning
von: Chen, Evan, et al.
Veröffentlicht: (2024)

Self-Play Enhancement via Advantage-Weighted Refinement in Online Federated LLM Fine-Tuning with Real-Time Feedback
von: Lee, Seohyun, et al.
Veröffentlicht: (2026)

Local-Cloud Inference Offloading for LLMs in Multi-Modal, Multi-Task, Multi-Dialogue Settings
von: Yuan, Liangqi, et al.
Veröffentlicht: (2025)

A Hierarchical Gradient Tracking Algorithm for Mitigating Subnet-Drift in Fog Learning Networks
von: Chen, Evan, et al.
Veröffentlicht: (2024)

Sporadic Gradient Tracking over Directed Graphs: A Theoretical Perspective on Decentralized Federated Learning
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2026)

Taming Subnet-Drift in D2D-Enabled Fog Learning: A Hierarchical Gradient Tracking Approach
von: Chen, Evan, et al.
Veröffentlicht: (2023)

Large Language Models over Networks: Collaborative Intelligence under Resource Constraints
von: Yuan, Liangqi, et al.
Veröffentlicht: (2026)

Communication-Efficient and Differentially Private Vertical Federated Learning with Zeroth-Order Optimization
von: Zhang, Jianing, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Model Calibration in Federated Learning
von: Chu, Yun-Wei, et al.
Veröffentlicht: (2024)

Cooperative Decentralized Backdoor Attacks on Vertical Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

Rethinking the Starting Point: Collaborative Pre-Training for Federated Downstream Tasks
von: Chu, Yun-Wei, et al.
Veröffentlicht: (2024)

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

Asynchronous Federated Reinforcement Learning with Policy Gradient Updates: Algorithm Design and Convergence Analysis
von: Lan, Guangchen, et al.
Veröffentlicht: (2024)

Communication-Efficient Federated Learning under Dynamic Device Arrival and Departure: Convergence Analysis and Algorithm Design
von: Chang, Zhan-Lun, et al.
Veröffentlicht: (2024)

Learning Multi-Timescale Abstractions for Hierarchical Combinatorial Planning
von: Wang, Vivienne Huiling, et al.
Veröffentlicht: (2026)

Decentralized Sporadic Federated Learning: A Unified Algorithmic Framework with Convergence Guarantees
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2024)

Digital Over-the-Air Federated Learning in Multi-Antenna Systems
von: Wang, Sihua, et al.
Veröffentlicht: (2023)

Multi-Source to Multi-Target Decentralized Federated Domain Adaptation
von: Wang, Su, et al.
Veröffentlicht: (2023)

Using Diffusion Models as Generative Replay in Continual Federated Learning -- What will Happen?
von: Mei, Yongsheng, et al.
Veröffentlicht: (2024)

LLMAP: LLM-Assisted Multi-Objective Route Planning with User Preferences
von: Yuan, Liangqi, et al.
Veröffentlicht: (2025)

RCCDA: Adaptive Model Updates in the Presence of Concept Drift under a Constrained Resource Budget
von: Piaseczny, Adam, et al.
Veröffentlicht: (2025)

Smart Information Exchange for Unsupervised Federated Learning via Reinforcement Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2024)

FedMFS: Federated Multimodal Fusion Learning with Selective Modality Communication
von: Yuan, Liangqi, et al.
Veröffentlicht: (2023)

Unsupervised Federated Optimization at the Edge: D2D-Enabled Learning without Labels
von: Wagle, Satyavrat, et al.
Veröffentlicht: (2024)

Decentralized Domain Generalization with Style Sharing: Formal Model and Convergence Analysis
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2025)

Asynchronous Multi-Model Dynamic Federated Learning over Wireless Networks: Theory, Modeling, and Optimization
von: Chang, Zhan-Lun, et al.
Veröffentlicht: (2023)

Enabling Differentially Private Federated Learning for Speech Recognition: Benchmarks, Adaptive Optimizers and Gradient Clipping
von: Pelikan, Martin, et al.
Veröffentlicht: (2023)

Resource-Constrained Decentralized Federated Learning via Personalized Event-Triggering
von: Zehtabi, Shahryar, et al.
Veröffentlicht: (2022)

Hierarchical Federated Learning for Social Network with Mobility
von: Chen, Zeyu, et al.
Veröffentlicht: (2025)

Orchestrating Federated Learning in Space-Air-Ground Integrated Networks: Adaptive Data Offloading and Seamless Handover
von: Han, Dong-Jun, et al.
Veröffentlicht: (2024)

Differentially-Private Multi-Tier Federated Learning: A Formal Analysis and Evaluation
von: Chen, Evan, et al.
Veröffentlicht: (2025)

Communication-Efficient Personalized Adaptation via Federated-Local Model Merging
von: Zou, Yinan, et al.
Veröffentlicht: (2026)

Multi-Timescale Primal Dual Hybrid Gradient with Application to Distributed Optimization
von: Zhang, Junhui, et al.
Veröffentlicht: (2025)