:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Qingxiang, Sun, Sheng, Liang, Yuxuan, Xu, Xiaolong, Liu, Min, Bilal, Muhammad, Wang, Yuwei, Li, Xujing, Zheng, Yu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2411.14046
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Personalized Federated Learning for Spatio-Temporal Forecasting: A Dual Semantic Alignment-Based Contrastive Approach
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

Time-FFM: Towards LM-Empowered Federated Foundation Model for Time Series Forecasting
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

Discrete Prototypical Memories for Federated Time Series Foundation Models
von: Deng, Liwei, et al.
Veröffentlicht: (2026)

Efficient Large-Scale Traffic Forecasting with Transformers: A Spatial Data Management Perspective
von: Fang, Yuchen, et al.
Veröffentlicht: (2024)

Knowledge Distillation in Federated Edge Learning: A Survey
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

Federated Class-Incremental Learning with New-Class Augmented Self-Distillation
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2024)

FNBench: Benchmarking Robust Federated Learning against Noisy Labels
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

FedCache 2.0: Federated Edge Learning with Knowledge Caching and Dataset Distillation
von: Pan, Quyang, et al.
Veröffentlicht: (2024)

Navigating Spatio-Temporal Heterogeneity: A Graph Transformer Approach for Traffic Forecasting
von: Zhou, Jianxiang, et al.
Veröffentlicht: (2024)

OccamVTS: Distilling Vision Models to 1% Parameters for Time Series Forecasting
von: Lyu, Sisuo, et al.
Veröffentlicht: (2025)

Online Test-Time Adaptation of Spatial-Temporal Traffic Flow Forecasting
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

Tackling Noisy Clients in Federated Learning with End-to-end Label Correction
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2024)

Multi-scale Traffic Pattern Bank for Cross-city Few-shot Traffic Forecasting
von: Liu, Zhanyu, et al.
Veröffentlicht: (2024)

Modeling of AUV Dynamics with Limited Resources: Efficient Online Learning Using Uncertainty
von: Tešnar, Michal, et al.
Veröffentlicht: (2025)

Beyond Model Scale Limits: End-Edge-Cloud Federated Learning with Self-Rectified Knowledge Agglomeration
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2025)

Unlocking Dynamic Inter-Client Spatial Dependencies: A Federated Spatio-Temporal Graph Learning Method for Traffic Flow Forecasting
von: Wang, Feng, et al.
Veröffentlicht: (2025)

FedICT: Federated Multi-task Distillation for Multi-access Edge Computing
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

Robust Federated Learning against Noisy Clients via Masked Optimization
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

Network-Optimised Spiking Neural Network (NOS) Scheduling for 6G O-RAN: Spectral Margin and Delay-Tail Control
von: Bilal, Muhammad, et al.
Veröffentlicht: (2025)

Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

Efficient Prompt Learning for Traffic Forecasting
von: Zhang, Qianru, et al.
Veröffentlicht: (2026)

Federated Learning with Graph-Based Aggregation for Traffic Forecasting
von: Banik, Audri, et al.
Veröffentlicht: (2025)

Online Client Scheduling and Resource Allocation for Efficient Federated Edge Learning
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

Predicting Traffic Flow with Federated Learning and Graph Neural with Asynchronous Computations Network
von: Yaqub, Muhammad, et al.
Veröffentlicht: (2024)

Probabilistic Traffic Forecasting with Dynamic Regression
von: Zheng, Vincent Zhihao, et al.
Veröffentlicht: (2023)

STGAtt: A Spatial-Temporal Unified Graph Attention Network for Traffic Flow Forecasting
von: Liang, Zhuding, et al.
Veröffentlicht: (2025)

FlowNet: Modeling Dynamic Spatio-Temporal Systems via Flow Propagation
von: Feng, Yutong, et al.
Veröffentlicht: (2025)

Temporal Graph MLP Mixer for Spatio-Temporal Forecasting
von: Bilal, Muhammad, et al.
Veröffentlicht: (2025)

Deploying Large AI Models on Resource-Limited Devices with Split Federated Learning
von: Qiang, Xianke, et al.
Veröffentlicht: (2025)

FedTeddi: Temporal Drift and Divergence Aware Scheduling for Timely Federated Edge Learning
von: Bai, Yuxuan, et al.
Veröffentlicht: (2025)

HUTFormer: Hierarchical U-Net Transformer for Long-Term Traffic Forecasting
von: Shao, Zezhi, et al.
Veröffentlicht: (2023)

Resource-Efficient Federated Fine-Tuning Large Language Models for Heterogeneous Data
von: Liu, Jun, et al.
Veröffentlicht: (2025)

Mobility-Aware Asynchronous Federated Learning with Dynamic Sparsification
von: Yan, Jintao, et al.
Veröffentlicht: (2025)

Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction
von: Ji, Jiahao, et al.
Veröffentlicht: (2022)

STGformer: Efficient Spatiotemporal Graph Transformer for Traffic Forecasting
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

GeoMAE: Masking Representation Learning for Spatio-Temporal Graph Forecasting with Missing Values
von: Ke, Songyu, et al.
Veröffentlicht: (2025)

FedTrans: Efficient Federated Learning via Multi-Model Transformation
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

MSGNet: Learning Multi-Scale Inter-Series Correlations for Multivariate Time Series Forecasting
von: Cai, Wanlin, et al.
Veröffentlicht: (2023)

Logits Poisoning Attack in Federated Distillation
von: Tang, Yuhan, et al.
Veröffentlicht: (2024)

Learnable Sparse Customization in Heterogeneous Edge Computing
von: Xue, Jingjing, et al.
Veröffentlicht: (2024)