:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Bibo, Fang, Fang, Wang, Xianbin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2501.03448
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stackelberg Game Based Performance Optimization in Digital Twin Assisted Federated Learning over NOMA Networks
von: Wu, Bibo, et al.
Veröffentlicht: (2025)

Straggler-Resilient Federated Learning over A Hybrid Conventional and Pinching Antenna Network
von: Wu, Bibo, et al.
Veröffentlicht: (2025)

Adaptive UAV-Assisted Hierarchical Federated Learning: Optimizing Energy, Latency, and Resilience for Dynamic Smart IoT
von: Yang, Xiaohong, et al.
Veröffentlicht: (2025)

Fairness-Constrained Optimization Attack in Federated Learning
von: Kasyap, Harsh, et al.
Veröffentlicht: (2025)

Rapid and Continuous Trust Evaluation for Effective Task Collaboration Through Siamese Model
von: Zhu, Botao, et al.
Veröffentlicht: (2025)

Task-free Adaptive Meta Black-box Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Multi-Agent Imitation Learning: Value is Easy, Regret is Hard
von: Tang, Jingwu, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Personalized Federated Learning for Industrial Predictive Analytics
von: Hu, Yuhan, et al.
Veröffentlicht: (2026)

Data Valuation for Vertical Federated Learning: A Model-free and Privacy-preserving Method
von: Han, Xiao, et al.
Veröffentlicht: (2021)

Hacking Task Confounder in Meta-Learning
von: Wang, Jingyao, et al.
Veröffentlicht: (2023)

Meta-Learning with Heterogeneous Tasks
von: Si, Zhaofeng, et al.
Veröffentlicht: (2024)

On Transferring, Merging, and Splitting Task-Oriented Network Digital Twins
von: Zhang, Zifan, et al.
Veröffentlicht: (2025)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

Meta-FL: A Novel Meta-Learning Framework for Optimizing Heterogeneous Model Aggregation in Federated Learning
von: Alsulaimawi, Zahir
Veröffentlicht: (2024)

Adaptive Decentralized Federated Learning for Robust Optimization
von: Wu, Shuyuan, et al.
Veröffentlicht: (2025)

Drift-Aware Federated Learning: A Causal Perspective
von: Fang, Yunjie, et al.
Veröffentlicht: (2025)

Personalized One-shot Federated Graph Learning for Heterogeneous Clients
von: Yan, Guochen, et al.
Veröffentlicht: (2024)

Provably Robust Federated Reinforcement Learning
von: Fang, Minghong, et al.
Veröffentlicht: (2025)

Federated Online Learning for Heterogeneous Multisource Streaming Data
von: Li, Jingmao, et al.
Veröffentlicht: (2025)

Task-Distributionally Robust Data-Free Meta-Learning
von: Hu, Zixuan, 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)

Hierarchical Federated Learning with Multi-Timescale Gradient Correction
von: Fang, Wenzhi, et al.
Veröffentlicht: (2024)

Competitive Advantage Attacks to Decentralized Federated Learning
von: Jia, Yuqi, et al.
Veröffentlicht: (2023)

Social and Physical Attributes-Defined Trust Evaluation for Effective Collaborator Selection in Human-Device Coexistence Systems
von: Zhu, Botao, et al.
Veröffentlicht: (2025)

MetaToolAgent: Towards Generalizable Tool Usage in LLMs through Meta-Learning
von: Fang, Zheng, et al.
Veröffentlicht: (2026)

HEART: Achieving Timely Multi-Model Training for Vehicle-Edge-Cloud-Integrated Hierarchical Federated Learning
von: Yang, Xiaohong, et al.
Veröffentlicht: (2025)

Towards Task Sampler Learning for Meta-Learning
von: Wang, Jingyao, et al.
Veröffentlicht: (2023)

Dynamic Clustering for Personalized Federated Learning on Heterogeneous Edge Devices
von: Liu, Heting, et al.
Veröffentlicht: (2025)

UAV-Assisted Multi-Task Federated Learning with Task Knowledge Sharing
von: Yang, Yubo, et al.
Veröffentlicht: (2025)

System Prompt Optimization with Meta-Learning
von: Choi, Yumin, et al.
Veröffentlicht: (2025)

Towards Seamless Hierarchical Federated Learning under Intermittent Client Participation: A Stagewise Decision-Making Methodology
von: Wu, Minghong, et al.
Veröffentlicht: (2025)

MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization
von: Zhao, Yang, et al.
Veröffentlicht: (2026)

FedOne: Query-Efficient Federated Learning for Black-box Discrete Prompt Learning
von: Wang, Ganyu, et al.
Veröffentlicht: (2025)

Few-Shot Learning for Dynamic Operations of Automated Electric Taxi Fleets under Evolving Charging Infrastructure: A Meta-Deep Reinforcement Learning Approach
von: Li, Xiaozhuang, et al.
Veröffentlicht: (2026)

Goal-Oriented Influence-Maximizing Data Acquisition for Learning and Optimization
von: Yao, Weichi, et al.
Veröffentlicht: (2026)

A Two-Stage Federated Learning Approach for Industrial Prognostics Using Large-Scale High-Dimensional Signals
von: Su, Yuqi, et al.
Veröffentlicht: (2024)

Learning to Learn with Contrastive Meta-Objective
von: Wu, Shiguang, et al.
Veröffentlicht: (2024)

Heterogeneous Tasks Offloading in Vehicular Edge Computing: A Federated Meta Deep Reinforcement Learning Approach
von: Huang, Yaorong, et al.
Veröffentlicht: (2026)

Find a Scapegoat: Poisoning Membership Inference Attack and Defense to Federated Learning
von: Mo, Wenjin, et al.
Veröffentlicht: (2025)

CO-PFL: Contribution-Oriented Personalized Federated Learning for Heterogeneous Networks
von: Xing, Ke, et al.
Veröffentlicht: (2025)