Buchumschlag

Multi-objective methods in Federated Learning: A survey and taxonomy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hartmann, Maria, Danoy, Grégoire, Bouvry, Pascal
Format:	Preprint
Veröffentlicht:	2025
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

FedPref: Federated Learning Across Heterogeneous Multi-objective Preferences
von: Hartmann, Maria, et al.
Veröffentlicht: (2025)

Heterogeneity: An Open Challenge for Federated On-board Machine Learning
von: Hartmann, Maria, et al.
Veröffentlicht: (2024)

SkyHOST: A Unified Architecture for Cross-Cloud Hybrid Object and Stream Transfer
von: Tariq, Muhammad Arslan, et al.
Veröffentlicht: (2026)

Trustworthiness of Stochastic Gradient Descent in Distributed Learning
von: Li, Hongyang, et al.
Veröffentlicht: (2024)

Proof-of-Collaborative-Learning: A Multi-winner Federated Learning Consensus Algorithm
von: Sokhankhosh, Amirreza, et al.
Veröffentlicht: (2024)

FedLog: Personalized Federated Classification with Less Communication and More Flexibility
von: Yu, Haolin, et al.
Veröffentlicht: (2024)

Encoded Spatial Attribute in Multi-Tier Federated Learning
von: Kawnine, Asfia, et al.
Veröffentlicht: (2025)

FLAMMABLE: A Multi-Model Federated Learning Framework with Multi-Model Engagement and Adaptive Batch Sizes
von: Lin, Shouxu, et al.
Veröffentlicht: (2025)

Non-Federated Multi-Task Split Learning for Heterogeneous Sources
von: Zheng, Yilin, et al.
Veröffentlicht: (2024)

FedMSGL: A Self-Expressive Hypergraph Based Federated Multi-View Learning
von: Li, Daoyuan, et al.
Veröffentlicht: (2025)

Leveraging Foundation Models for Multi-modal Federated Learning with Incomplete Modality
von: Che, Liwei, et al.
Veröffentlicht: (2024)

FedTilt: Towards Multi-Level Fairness-Preserving and Robust Federated Learning
von: Zhang, Binghui, et al.
Veröffentlicht: (2025)

Federated Learning Survey: A Multi-Level Taxonomy of Aggregation Techniques, Experimental Insights, and Future Frontiers
von: Arbaoui, Meriem, et al.
Veröffentlicht: (2025)

Asynchronous Federated Learning with non-convex client objective functions and heterogeneous dataset
von: Forootani, Ali, et al.
Veröffentlicht: (2025)

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

Multi-Frequency Federated Learning for Human Activity Recognition Using Head-Worn Sensors
von: Fenoglio, Dario, et al.
Veröffentlicht: (2025)

Cross-Silo Federated Learning for Multi-Tier Networks with Vertical and Horizontal Data Partitioning
von: Das, Anirban, et al.
Veröffentlicht: (2021)

Partial Federated Learning
von: Feng, Tiantian, et al.
Veröffentlicht: (2024)

Emerging Trends in Federated Learning: From Model Fusion to Federated X Learning
von: Ji, Shaoxiong, et al.
Veröffentlicht: (2021)

AMSFL: Adaptive Multi-Step Federated Learning via Gradient Difference-Based Error Modeling
von: Xu, Ganglou
Veröffentlicht: (2025)

Asynchronous Multi-Model Dynamic Federated Learning over Wireless Networks: Theory, Modeling, and Optimization
von: Chang, Zhan-Lun, et al.
Veröffentlicht: (2023)

A Bayesian Framework for Clustered Federated Learning
von: Wu, Peng, et al.
Veröffentlicht: (2024)

Federated Communication-Efficient Multi-Objective Optimization
von: Askin, Baris, et al.
Veröffentlicht: (2024)

Blockchain-Enabled Federated Learning
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

Federated Behavioural Planes: Explaining the Evolution of Client Behaviour in Federated Learning
von: Fenoglio, Dario, et al.
Veröffentlicht: (2024)

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

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

A Survey on Contribution Evaluation in Vertical Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

EcoLearn: Optimizing the Carbon Footprint of Federated Learning
von: Mehboob, Talha, et al.
Veröffentlicht: (2023)

Federated Learning on Stochastic Neural Networks
von: Tang, Jingqiao, et al.
Veröffentlicht: (2025)

Analytic Personalized Federated Meta-Learning
von: Gu, Shunxian, et al.
Veröffentlicht: (2025)

Orthogonal Calibration for Asynchronous Federated Learning
von: Zhang, Jiayun, et al.
Veröffentlicht: (2025)

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

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

Disentangling data distribution for Federated Learning
von: Zhao, Xinyuan, et al.
Veröffentlicht: (2024)

Balancing Similarity and Complementarity for Federated Learning
von: Yan, Kunda, et al.
Veröffentlicht: (2024)

Queuing dynamics of asynchronous Federated Learning
von: Leconte, Louis, et al.
Veröffentlicht: (2024)

Federated Learning over Connected Modes
von: Grinwald, Dennis, et al.
Veröffentlicht: (2024)

Federated Learning based on Pruning and Recovery
von: Ma, Chengjie
Veröffentlicht: (2024)

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