Buchumschlag

Vertical Federated Learning with Missing Features During Training and Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Valdeira, Pedro, Wang, Shiqiang, Chi, Yuejie
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Data Structures and Algorithms Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Communication-efficient Vertical Federated Learning via Compressed Error Feedback
von: Valdeira, Pedro, et al.
Veröffentlicht: (2024)

A Multi-Token Coordinate Descent Method for Semi-Decentralized Vertical Federated Learning
von: Valdeira, Pedro, et al.
Veröffentlicht: (2023)

Improving the Bit Complexity of Communication for Distributed Convex Optimization
von: Ghadiri, Mehrdad, et al.
Veröffentlicht: (2024)

Adversarially-Robust Gossip Algorithms for Approximate Quantile and Mean Computations
von: Haeupler, Bernhard, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Optimization over Semi-Decentralized Networks
von: Wang, He, et al.
Veröffentlicht: (2023)

A Primal-Dual Framework for Symmetric Cone Programming
von: Zheng, Jiaqi, et al.
Veröffentlicht: (2024)

Simple Opinion Dynamics for No-Regret Learning
von: Lazarsfeld, John, et al.
Veröffentlicht: (2023)

Learning-Augmented Competitive Algorithms for Spatiotemporal Online Allocation with Deadline Constraints
von: Lechowicz, Adam, et al.
Veröffentlicht: (2024)

PECANN: Parallel Efficient Clustering with Graph-Based Approximate Nearest Neighbor Search
von: Yu, Shangdi, et al.
Veröffentlicht: (2023)

Distributed clustering in partially overlapping feature spaces
von: Maritan, Alessio, et al.
Veröffentlicht: (2025)

GreedyML: A Parallel Algorithm for Maximizing Constrained Submodular Functions
von: Gopal, Shivaram, et al.
Veröffentlicht: (2024)

Scalable Distributed Algorithms for Size-Constrained Submodular Maximization in the MapReduce and Adaptive Complexity Models
von: Chen, Yixin, et al.
Veröffentlicht: (2022)

Gradient-less Federated Gradient Boosting Trees with Learnable Learning Rates
von: Ma, Chenyang, et al.
Veröffentlicht: (2023)

A Unified Analysis of Federated Learning with Arbitrary Client Participation
von: Wang, Shiqiang, et al.
Veröffentlicht: (2022)

Decomposable Submodular Maximization in Federated Setting
von: Rafiey, Akbar
Veröffentlicht: (2024)

Computing in a Faulty Congested Clique
von: Censor-Hillel, Keren, et al.
Veröffentlicht: (2025)

Informative Trains: A Memory-Efficient Journey to a Self-Stabilizing Leader Election Algorithm in Anonymous Graphs
von: Blin, Lelia, et al.
Veröffentlicht: (2026)

A Lightweight Method for Tackling Unknown Participation Statistics in Federated Averaging
von: Wang, Shiqiang, et al.
Veröffentlicht: (2023)

Near-Optimal Fault Tolerance for Efficient Batch Matrix Multiplication via an Additive Combinatorics Lens
von: Censor-Hillel, Keren, et al.
Veröffentlicht: (2023)

Two for One, One for All: Deterministic LDC-based Robust Computation in Congested Clique
von: Censor-Hillel, Keren, et al.
Veröffentlicht: (2025)

Parallel Sampling via Autospeculation
von: Anari, Nima, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning via Regularized Sparse Random Networks
von: Mestoukirdi, Mohamad, et al.
Veröffentlicht: (2023)

FADAS: Towards Federated Adaptive Asynchronous Optimization
von: Wang, Yujia, et al.
Veröffentlicht: (2024)

A Simple Distributed Algorithm for Sparse Fractional Covering and Packing Problems
von: Li, Qian, et al.
Veröffentlicht: (2024)

Parallel Cluster-BFS and Applications to Shortest Paths
von: Wang, Letong, et al.
Veröffentlicht: (2024)

On the Randomized Locality of Matching Problems in Regular Graphs
von: Khoury, Seri, et al.
Veröffentlicht: (2025)

PASGAL: Parallel And Scalable Graph Algorithm Library
von: Dong, Xiaojun, et al.
Veröffentlicht: (2024)

Fast and Space-Efficient Parallel Algorithms for Influence Maximization
von: Wang, Letong, et al.
Veröffentlicht: (2023)

Parallel Contraction Hierarchies Can Be Efficient and Scalable
von: Wan, Zijin, et al.
Veröffentlicht: (2024)

A New Theoretical Perspective on Data Heterogeneity in Federated Optimization
von: Wang, Jiayi, et al.
Veröffentlicht: (2024)

Efficient Dynamic MaxFlow Computation on GPUs
von: Kannappan, Shruthi, et al.
Veröffentlicht: (2025)

Towards Optimal Distributed Edge Coloring with Fewer Colors
von: Jakob, Manuel, et al.
Veröffentlicht: (2025)

Perfect Matching with Few Link Activations
von: Mirault, Hugo, et al.
Veröffentlicht: (2025)

Towards True Work-Efficiency in Parallel Derandomization: MIS, Maximal Matching, and Hitting Set
von: Ghaffari, Mohsen, et al.
Veröffentlicht: (2025)

Robust Distributed Arrays: Provably Secure Networking for Data Availability Sampling
von: Feist, Dankrad, et al.
Veröffentlicht: (2025)

Designing Parallel Algorithms for Community Detection using Arachne
von: Li, Fuhuan, et al.
Veröffentlicht: (2025)

New Distributed Interactive Proofs for Planarity: A Matter of Left and Right
von: Gil, Yuval, et al.
Veröffentlicht: (2025)

Narrowing the LOCAL$\unicode{x2013}$CONGEST Gaps in Sparse Networks via Expander Decompositions
von: Chang, Yi-Jun, et al.
Veröffentlicht: (2022)

WarpSpeed: A High-Performance Library for Concurrent GPU Hash Tables
von: McCoy, Hunter, et al.
Veröffentlicht: (2025)

Improved All-Pairs Approximate Shortest Paths in Congested Clique
von: Bui, Hong Duc, et al.
Veröffentlicht: (2024)