Buchumschlag

Graph Federated Learning Based Proactive Content Caching in Edge Computing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Wang, Rui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cooperative Edge Caching Based on Elastic Federated and Multi-Agent Deep Reinforcement Learning in Next-Generation Network
von: Wu, Qiong, et al.
Veröffentlicht: (2024)

EAGLE: Edge-Aware Graph Learning for Proactive Delivery Delay Prediction in Smart Logistics Networks
von: Xue, Zhiming, et al.
Veröffentlicht: (2026)

SpreadFGL: Edge-Client Collaborative Federated Graph Learning with Adaptive Neighbor Generation
von: Zhong, Luying, et al.
Veröffentlicht: (2024)

GraphEdge: Dynamic Graph Partition and Task Scheduling for GNNs Computing in Edge Network
von: Xiao, Wenjing, et al.
Veröffentlicht: (2025)

POLAR: Online Learning for LoRA Adapter Caching and Routing in Edge LLM Serving
von: Li, Shaoang, et al.
Veröffentlicht: (2026)

EdgeGFL: Rethinking Edge Information in Graph Feature Preference Learning
von: Zhuo, Shengda, et al.
Veröffentlicht: (2025)

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

FedSAUC: A Similarity-Aware Update Control for Communication-Efficient Federated Learning in Edge Computing
von: Lee, Ming-Lun, et al.
Veröffentlicht: (2025)

CiliaGraph: Enabling Expression-enhanced Hyper-Dimensional Computation in Ultra-Lightweight and One-Shot Graph Classification on Edge
von: Han, Yuxi, et al.
Veröffentlicht: (2024)

Graph Learning with Distributional Edge Layouts
von: Zhao, Xinjian, et al.
Veröffentlicht: (2024)

Adaptive and Parallel Split Federated Learning in Vehicular Edge Computing
von: Qiang, Xianke, et al.
Veröffentlicht: (2024)

Explainability and Continual Learning meet Federated Learning at the Network Edge
von: Tsouparopoulos, Thomas, et al.
Veröffentlicht: (2025)

CacheFormer: High Attention-Based Segment Caching
von: Singh, Sushant, et al.
Veröffentlicht: (2025)

PLAN: Proactive Low-Rank Allocation for Continual Learning
von: Wang, Xiequn, et al.
Veröffentlicht: (2025)

Robust Federated Learning on Edge Devices with Domain Heterogeneity
von: Le, Huy Q., et al.
Veröffentlicht: (2025)

Towards Efficient Federated Learning of Networked Mixture-of-Experts for Mobile Edge Computing
von: Gao, Song, et al.
Veröffentlicht: (2025)

Federated Graph Learning for Cross-Domain Recommendation
von: Yang, Ziqi, et al.
Veröffentlicht: (2024)

Generalized Category Discovery in Federated Graph Learning
von: Yuan, Zhongzheng, et al.
Veröffentlicht: (2026)

VGFL-SA: Vertical Graph Federated Learning Structure Attack Based on Contrastive Learning
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Two-Timescale Model Caching and Resource Allocation for Edge-Enabled AI-Generated Content Services
von: Liu, Zhang, et al.
Veröffentlicht: (2024)

Adaptive Edge Learning for Density-Aware Graph Generation
von: Razavi, Seyedeh Ava Razi, et al.
Veröffentlicht: (2026)

Federated Graph Semantic and Structural Learning
von: Huang, Wenke, et al.
Veröffentlicht: (2024)

Personalized Federated Learning via Learning Dynamic Graphs
von: Zhou, Ziran, et al.
Veröffentlicht: (2025)

Model-Based Proactive Cost Generation for Learning Safe Policies Offline with Limited Violation Data
von: Xue, Ruiqi, et al.
Veröffentlicht: (2026)

FedAGHN: Personalized Federated Learning with Attentive Graph HyperNetworks
von: Song, Jiarui, et al.
Veröffentlicht: (2025)

Graph Federated Learning for Personalized Privacy Recommendation
von: Na, Ce, et al.
Veröffentlicht: (2025)

Towards Optimal Customized Architecture for Heterogeneous Federated Learning with Contrastive Cloud-Edge Model Decoupling
von: Chen, Xingyan, et al.
Veröffentlicht: (2024)

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity
von: Zhang, Sirui, et al.
Veröffentlicht: (2026)

A GREAT Architecture for Edge-Based Graph Problems Like TSP
von: Lischka, Attila, et al.
Veröffentlicht: (2024)

Adaptive Layer Splitting for Wireless LLM Inference in Edge Computing: A Model-Based Reinforcement Learning Approach
von: Chen, Yuxuan, et al.
Veröffentlicht: (2024)

Prompt-Driven Continual Graph Learning
von: Wang, Qi, et al.
Veröffentlicht: (2025)

FlashMoE: Reducing SSD I/O Bottlenecks via ML-Based Cache Replacement for Mixture-of-Experts Inference on Edge Devices
von: Kim, Byeongju, 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)

FAuNO: Semi-Asynchronous Federated Reinforcement Learning Framework for Task Offloading in Edge Systems
von: Metelo, Frederico, et al.
Veröffentlicht: (2025)

DapperFL: Domain Adaptive Federated Learning with Model Fusion Pruning for Edge Devices
von: Jia, Yongzhe, et al.
Veröffentlicht: (2024)

Enhancing Trustworthiness of Graph Neural Networks with Rank-Based Conformal Training
von: Wang, Ting, et al.
Veröffentlicht: (2025)

S2FGL: Spatial Spectral Federated Graph Learning
von: Tan, Zihan, et al.
Veröffentlicht: (2025)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

Possibility for Proactive Anomaly Detection
von: Jeon, Jinsung, et al.
Veröffentlicht: (2025)