Buchumschlag

A Novel Pearson Correlation-Based Merging Algorithm for Robust Distributed Machine Learning with Heterogeneous Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rahmat, Mohammad Ghabel, Khalilian, Majid
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing
von: Bezick, Michael, et al.
Veröffentlicht: (2024)

Transfer Neyman-Pearson Algorithm for Outlier Detection
von: Kalan, Mohammadreza M., et al.
Veröffentlicht: (2025)

Machine Learning-Based Prediction of Speech Arrest During Direct Cortical Stimulation Mapping
von: Emami, Nikasadat, et al.
Veröffentlicht: (2025)

Distribution-Free Rates in Neyman-Pearson Classification
von: Kalan, Mohammadreza M., et al.
Veröffentlicht: (2024)

A Novel Machine Learning Classifier Based on Genetic Algorithms and Data Importance Reformatting
von: Alkhayyata, A. K., et al.
Veröffentlicht: (2024)

Distributionally Robust Multimodal Machine Learning
von: Yang, Peilin, et al.
Veröffentlicht: (2025)

Distributionally Robust Federated Learning: An ADMM Algorithm
von: Bai, Wen, et al.
Veröffentlicht: (2025)

Neyman-Pearson Classification under Both Null and Alternative Distributions Shift
von: Kalan, Mohammadreza M., et al.
Veröffentlicht: (2025)

Spatial Distribution-Shift Aware Knowledge-Guided Machine Learning
von: Sharma, Arun, et al.
Veröffentlicht: (2025)

Distributionally Robust Reinforcement Learning with Interactive Data Collection: Fundamental Hardness and Near-Optimal Algorithm
von: Lu, Miao, et al.
Veröffentlicht: (2024)

Data Heterogeneity Modeling for Trustworthy Machine Learning
von: Liu, Jiashuo, et al.
Veröffentlicht: (2025)

AEBNAS: Strengthening Exit Branches in Early-Exit Networks through Hardware-Aware Neural Architecture Search
von: Robben, Oscar, et al.
Veröffentlicht: (2025)

FSDR: A Novel Deep Learning-based Feature Selection Algorithm for Pseudo Time-Series Data using Discrete Relaxation
von: Rahman, Mohammad, et al.
Veröffentlicht: (2024)

Algorithms for Collaborative Machine Learning under Statistical Heterogeneity
von: Hahn, Seok-Ju
Veröffentlicht: (2024)

A Contrast Based Feature Selection Algorithm for High-dimensional Data set in Machine Learning
von: Cao, Chunxu, et al.
Veröffentlicht: (2024)

Optimal Complexity in Byzantine-Robust Distributed Stochastic Optimization with Data Heterogeneity
von: Shi, Qiankun, et al.
Veröffentlicht: (2025)

Mean Aggregator is More Robust than Robust Aggregators under Label Poisoning Attacks on Distributed Heterogeneous Data
von: Peng, Jie, et al.
Veröffentlicht: (2024)

Group Distributionally Robust Machine Learning under Group Level Distributional Uncertainty
von: Konti, Xenia, et al.
Veröffentlicht: (2025)

PLAID: A Unified Data Model for Machine Learning on Heterogeneous Physics Simulations
von: Casenave, Fabien, et al.
Veröffentlicht: (2025)

A Weighted Loss Approach to Robust Federated Learning under Data Heterogeneity
von: Erbani, Johan, et al.
Veröffentlicht: (2025)

Mitigating Spurious Correlation via Distributionally Robust Learning with Hierarchical Ambiguity Sets
von: Jo, Sung Ho, et al.
Veröffentlicht: (2025)

Training-free Heterogeneous Model Merging
von: Xu, Zhengqi, et al.
Veröffentlicht: (2024)

Model Assembly Learning with Heterogeneous Layer Weight Merging
von: Zhang, Yi-Kai, et al.
Veröffentlicht: (2025)

Towards Robust Knowledge Removal in Federated Learning with High Data Heterogeneity
von: Santi, Riccardo, et al.
Veröffentlicht: (2025)

MoD: A Distribution-Based Approach for Merging Large Language Models
von: Dang, Quy-Anh, et al.
Veröffentlicht: (2024)

PDSL: Privacy-Preserved Decentralized Stochastic Learning with Heterogeneous Data Distribution
von: Wang, Lina, et al.
Veröffentlicht: (2025)

MMBind: Unleashing the Potential of Distributed and Heterogeneous Data for Multimodal Learning in IoT
von: Ouyang, Xiaomin, et al.
Veröffentlicht: (2024)

Robust Mixture Models for Algorithmic Fairness Under Latent Heterogeneity
von: Li, Siqi, et al.
Veröffentlicht: (2025)

Identifying Heterogeneity in Distributed Learning
von: Xiao, Zelin, et al.
Veröffentlicht: (2025)

Robust Filtering -- Novel Statistical Learning and Inference Algorithms with Applications
von: Chughtai, Aamir Hussain
Veröffentlicht: (2025)

Byzantine Failures Harm the Generalization of Robust Distributed Learning Algorithms More Than Data Poisoning
von: Boudou, Thomas, et al.
Veröffentlicht: (2025)

A GPU-Accelerated Bi-linear ADMM Algorithm for Distributed Sparse Machine Learning
von: Olama, Alireza, et al.
Veröffentlicht: (2024)

A Doubly Robust Machine Learning Approach for Disentangling Treatment Effect Heterogeneity with Functional Outcomes
von: Salmaso, Filippo, et al.
Veröffentlicht: (2026)

Model Merging: Foundations and Algorithms
von: Crisostomi, Donato
Veröffentlicht: (2026)

Out-of-Distribution Graph Models Merging
von: Wang, Yidi, et al.
Veröffentlicht: (2025)

On the Robustness of Distributed Machine Learning against Transfer Attacks
von: Andreina, Sébastien, et al.
Veröffentlicht: (2024)

NegMerge: Sign-Consensual Weight Merging for Machine Unlearning
von: Kim, Hyo Seo, et al.
Veröffentlicht: (2024)

Neyman-Pearson Multi-class Classification via Cost-sensitive Learning
von: Tian, Ye, et al.
Veröffentlicht: (2021)

Inferring Heterogeneous Treatment Effects of Crashes on Highway Traffic: A Doubly Robust Causal Machine Learning Approach
von: Li, Shuang, et al.
Veröffentlicht: (2024)

An Efficient Subspace Algorithm for Federated Learning on Heterogeneous Data
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2025)