:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Domini, Davide, Aguzzi, Gianluca, Esterle, Lukas, Viroli, Mirko
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2502.08577
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Proximity-based Self-Federated Learning
von: Domini, Davide, et al.
Veröffentlicht: (2024)

ProFed: a Benchmark for Proximity-based non-IID Federated Learning
von: Domini, Davide, et al.
Veröffentlicht: (2025)

Phyelds: A Pythonic Framework for Aggregate Computing
von: Aguzzi, Gianluca, et al.
Veröffentlicht: (2026)

Sparse Self-Federated Learning for Energy Efficient Cooperative Intelligence in Society 5.0
von: Domini, Davide, et al.
Veröffentlicht: (2025)

MacroSwarm: A Field-based Compositional Framework for Swarm Programming
von: Aguzzi, Gianluca, et al.
Veröffentlicht: (2024)

Benchmarking Data Heterogeneity Evaluation Approaches for Personalized Federated Learning
von: Li, Zhilong, et al.
Veröffentlicht: (2024)

Towards Graph-Based Privacy-Preserving Federated Learning: ModelNet -- A ResNet-based Model Classification Dataset
von: Ray, Abhisek, et al.
Veröffentlicht: (2025)

fluke: Federated Learning Utility frameworK for Experimentation and research
von: Polato, Mirko
Veröffentlicht: (2024)

Heterogeneity-Aware Coordination for Federated Learning via Stitching Pre-trained blocks
von: Zhan, Shichen, et al.
Veröffentlicht: (2024)

Software Engineering for Collective Cyber-Physical Ecosystems
von: Casadei, Roberto, et al.
Veröffentlicht: (2024)

Lazy But Effective: Collaborative Personalized Federated Learning with Heterogeneous Data
von: Rokvic, Ljubomir, et al.
Veröffentlicht: (2025)

Probabilistic Federated Learning on Uncertain and Heterogeneous Data with Model Personalization
von: Rahman, Ratun, et al.
Veröffentlicht: (2026)

Understanding and Improving Model Averaging in Federated Learning on Heterogeneous Data
von: Zhou, Tailin, et al.
Veröffentlicht: (2023)

Federated Learning on Virtual Heterogeneous Data with Local-global Distillation
von: Huang, Chun-Yin, et al.
Veröffentlicht: (2023)

Bellman operator convergence enhancements in reinforcement learning algorithms
von: Kadurha, David Krame, et al.
Veröffentlicht: (2025)

On the Impact of Data Heterogeneity in Federated Learning Environments with Application to Healthcare Networks
von: Milasheuski, Usevalad, et al.
Veröffentlicht: (2024)

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

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

Rethinking LoRA for Data Heterogeneous Federated Learning: Subspace and State Alignment
von: Peng, Hongyi, et al.
Veröffentlicht: (2026)

Overcoming Data and Model Heterogeneities in Decentralized Federated Learning via Synthetic Anchors
von: Huang, Chun-Yin, et al.
Veröffentlicht: (2024)

On the Sensitivity of Firing Rate-Based Federated Spiking Neural Networks to Differential Privacy
von: Pereira, Luiz, et al.
Veröffentlicht: (2026)

Tailoring Adverse Event Prediction in Type 1 Diabetes with Patient-Specific Deep Learning Models
von: Rigamonti, Giorgia, et al.
Veröffentlicht: (2026)

Personalized Federated Dictionary Learning for Modeling Heterogeneity in Multi-site fMRI Data
von: Zhang, Yipu, et al.
Veröffentlicht: (2025)

FedDiverse: Tackling Data Heterogeneity in Federated Learning with Diversity-Driven Client Selection
von: Németh, Gergely D., et al.
Veröffentlicht: (2025)

Accurate Forgetting for Heterogeneous Federated Continual Learning
von: Wuerkaixi, Abudukelimu, et al.
Veröffentlicht: (2025)

Privacy-Preserving Heterogeneous Federated Learning for Sensitive Healthcare Data
von: Xu, Yukai, et al.
Veröffentlicht: (2024)

Tackling Heterogeneity in Quantum Federated Learning: An Integrated Sporadic-Personalized Approach
von: Rahman, Ratun, et al.
Veröffentlicht: (2026)

Progressive Size-Adaptive Federated Learning: A Comprehensive Framework for Heterogeneous Multi-Modal Data Systems
von: Hussain, Sajid, et al.
Veröffentlicht: (2025)

Learning Heterogeneous Performance-Fairness Trade-offs in Federated Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2025)

FedCCA: Client-Centric Adaptation against Data Heterogeneity in Federated Learning on IoT Devices
von: Wang, Kaile, et al.
Veröffentlicht: (2026)

From Coordinate Matching to Structural Alignment: Rethinking Prototype Alignment in Heterogeneous Federated Learning
von: Wu, Xinghao, et al.
Veröffentlicht: (2026)

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

FedEL: Federated Elastic Learning for Heterogeneous Devices
von: Zhang, Letian, et al.
Veröffentlicht: (2025)

Adaptive Guidance for Local Training in Heterogeneous Federated Learning
von: Zhang, Jianqing, et al.
Veröffentlicht: (2024)

On ADMM in Heterogeneous Federated Learning: Personalization, Robustness, and Fairness
von: Zhu, Shengkun, et al.
Veröffentlicht: (2024)

Hierarchical Over-the-Air Federated Learning with Awareness of Interference and Data Heterogeneity
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

FedConv: A Learning-on-Model Paradigm for Heterogeneous Federated Clients
von: Shen, Leming, et al.
Veröffentlicht: (2025)

Prototype-based Heterogeneous Federated Learning for Blade Icing Detection in Wind Turbines with Class Imbalanced Data
von: Qi, Lele, et al.
Veröffentlicht: (2025)