Buchumschlag

Rehearsal-Free Continual Federated Learning with Synergistic Synaptic Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yichen, Wang, Yuying, Wang, Haozhao, Qi, Yining, Xiao, Tianzhe, Li, Ruixuan
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

Personalized Federated Domain-Incremental Learning based on Adaptive Knowledge Matching
von: Li, Yichen, et al.
Veröffentlicht: (2024)

Unleashing the Power of Continual Learning on Non-Centralized Devices: A Survey
von: Li, Yichen, et al.
Veröffentlicht: (2024)

Towards Efficient Replay in Federated Incremental Learning
von: Li, Yichen, et al.
Veröffentlicht: (2024)

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

FedBiF: Communication-Efficient Federated Learning via Bits Freezing
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

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

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

DFDG: Data-Free Dual-Generator Adversarial Distillation for One-Shot Federated Learning
von: Luo, Kangyang, et al.
Veröffentlicht: (2024)

SAFL: Structure-Aware Personalized Federated Learning via Client-Specific Clustering and SCSI-Guided Model Pruning
von: Li, Nan, et al.
Veröffentlicht: (2025)

Robust Federated Learning against Model Perturbation in Edge Networks
von: Jin, Dongzi, et al.
Veröffentlicht: (2025)

FedGCS: A Generative Framework for Efficient Client Selection in Federated Learning via Gradient-based Optimization
von: Ning, Zhiyuan, et al.
Veröffentlicht: (2024)

Achieving Dimension-Free Communication in Federated Learning via Zeroth-Order Optimization
von: Li, Zhe, et al.
Veröffentlicht: (2024)

SPD-CFL: Stepwise Parameter Dropout for Efficient Continual Federated Learning
von: Yang, Yuning, et al.
Veröffentlicht: (2024)

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

Federated Graph Learning with Graphless Clients
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Achieving Linear Speedup in Asynchronous Federated Learning with Heterogeneous Clients
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

FedNS: A Fast Sketching Newton-Type Algorithm for Federated Learning
von: Li, Jian, et al.
Veröffentlicht: (2024)

Decentralized Federated Learning with Model Caching on Mobile Agents
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Federated Model Heterogeneous Matryoshka Representation Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

Buffer-based Gradient Projection for Continual Federated Learning
von: Dai, Shenghong, et al.
Veröffentlicht: (2024)

Timely Parameter Updating in Over-the-Air Federated Learning
von: Zhu, Jiaqi, et al.
Veröffentlicht: (2025)

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

Adaptive Client Selection via Q-Learning-based Whittle Index in Wireless Federated Learning
von: Li, Qiyue, et al.
Veröffentlicht: (2025)

Local Gradient Regulation Stabilizes Federated Learning under Client Heterogeneity
von: Luo, Ping, et al.
Veröffentlicht: (2026)

On the Convergence of Continual Federated Learning Using Incrementally Aggregated Gradients
von: Keshri, Satish Kumar, et al.
Veröffentlicht: (2024)

Empowering Data Mesh with Federated Learning
von: Li, Haoyuan, et al.
Veröffentlicht: (2024)

Towards Client Driven Federated Learning
von: Li, Songze, et al.
Veröffentlicht: (2024)

Knowledge-Driven Federated Graph Learning on Model Heterogeneity
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Beyond the Federation: Topology-aware Federated Learning for Generalization to Unseen Clients
von: Ma, Mengmeng, et al.
Veröffentlicht: (2024)

Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation
von: Li, Senyao, et al.
Veröffentlicht: (2026)

Event-Driven Online Vertical Federated Learning
von: Wang, Ganyu, et al.
Veröffentlicht: (2025)

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

Robust Federated Learning in Unreliable Wireless Networks: A Client Selection Approach
von: Wang, Yanmeng, et al.
Veröffentlicht: (2025)

Ranking-based Client Selection with Imitation Learning for Efficient Federated Learning
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

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

Breaking the Memory Wall for Heterogeneous Federated Learning via Progressive Training
von: Wu, Yebo, et al.
Veröffentlicht: (2024)

pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA Tuning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

Automated Byzantine-Resilient Clustered Decentralized Federated Learning for Battery Intelligence in Connected EVs
von: Bouchiha, Mouhamed Amine, et al.
Veröffentlicht: (2026)

Sketched Gaussian Mechanism for Private Federated Learning
von: Li, Qiaobo, et al.
Veröffentlicht: (2025)

Efficient Data Distribution Estimation for Accelerated Federated Learning
von: Wang, Yuanli, et al.
Veröffentlicht: (2024)