Buchumschlag

FedHC: A Hierarchical Clustered Federated Learning Framework for Satellite Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zhuocheng, Shen, Zhishu, Zhou, Pan, Zheng, Qiushi, Jin, Jiong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Semi-Supervised Federated Learning Framework with Hierarchical Clustering Aggregation for Heterogeneous Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

CCRSat: A Collaborative Computation Reuse Framework for Satellite Edge Computing Networks
von: Zhang, Ye, et al.
Veröffentlicht: (2025)

A Sharded Blockchain-Based Secure Federated Learning Framework for LEO Satellite Networks
von: Wu, Wenbo, et al.
Veröffentlicht: (2024)

Intelligent Task Management via Dynamic Multi-region Division in LEO Satellite Networks
von: Song, Zixuan, et al.
Veröffentlicht: (2025)

Unleashing Collaborative Computing for Adaptive Video Streaming with Multi-objective Optimization in Satellite Terrestrial Networks
von: Shen, Zhishu, et al.
Veröffentlicht: (2024)

Collaborative Satellite Computing through Adaptive DNN Task Splitting and Offloading
von: Peng, Shifeng, et al.
Veröffentlicht: (2024)

Collaborative UAVs Multi-task Video Processing Optimization Based on Enhanced Distributed Actor-Critic Networks
von: Rong, Ziqi, et al.
Veröffentlicht: (2024)

ML-ECS: A Collaborative Multimodal Learning Framework for Edge-Cloud Synergies
von: Liu, Yuze, et al.
Veröffentlicht: (2026)

FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

FedAC: An Adaptive Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

DiT-HC: Enabling Efficient Training of Visual Generation Model DiT on HPC-oriented CPU Cluster
von: Zhang, Jinxiao, et al.
Veröffentlicht: (2026)

FedCDC: A Collaborative Framework for Data Consumers in Federated Learning Market
von: Shi, Zhuan, et al.
Veröffentlicht: (2025)

FedHB: Hierarchical Bayesian Federated Learning
von: Kim, Minyoung, et al.
Veröffentlicht: (2023)

FedFog: Resource-Aware Federated Learning in Edge and Fog Networks
von: Sobati-M, Somayeh
Veröffentlicht: (2025)

SatFed: A Resource-Efficient LEO Satellite-Assisted Heterogeneous Federated Learning Framework
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

FedSem: A Resource Allocation Scheme for Federated Learning Assisted Semantic Communication
von: Zhou, Xinyu, et al.
Veröffentlicht: (2025)

Air-FedGA: A Grouping Asynchronous Federated Learning Mechanism Exploiting Over-the-air Computation
von: Ma, Qianpiao, et al.
Veröffentlicht: (2025)

FedDCT: A Dynamic Cross-Tier Federated Learning Framework in Wireless Networks
von: Xian, Youquan, et al.
Veröffentlicht: (2023)

FedRAV: Hierarchically Federated Region-Learning for Traffic Object Classification of Autonomous Vehicles
von: Zhai, Yijun, et al.
Veröffentlicht: (2024)

FedFQ: Federated Learning with Fine-Grained Quantization
von: Li, Haowei, et al.
Veröffentlicht: (2024)

FedCostAware: Enabling Cost-Aware Federated Learning on the Cloud
von: Sinha, Aditya, et al.
Veröffentlicht: (2025)

Scheduling for On-Board Federated Learning with Satellite Clusters
von: Razmi, Nasrin, et al.
Veröffentlicht: (2024)

FedCod: An Efficient Communication Protocol for Cross-Silo Federated Learning with Coding
von: Yan, Peishen, et al.
Veröffentlicht: (2024)

FedOptimus: Optimizing Vertical Federated Learning for Scalability and Efficiency
von: Shrivastava, Nikita, et al.
Veröffentlicht: (2025)

FedGA: A Fair Federated Learning Framework Based on the Gini Coefficient
von: Liu, ShanBin
Veröffentlicht: (2025)

FedGroup: Efficient Clustered Federated Learning via Decomposed Data-Driven Measure
von: Duan, Moming, et al.
Veröffentlicht: (2020)

Federated Learning as a Service for Hierarchical Edge Networks with Heterogeneous Models
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

FedCache: A Knowledge Cache-driven Federated Learning Architecture for Personalized Edge Intelligence
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

EcoFed: Efficient Communication for DNN Partitioning-based Federated Learning
von: Wu, Di, et al.
Veröffentlicht: (2023)

FedAPTA: Federated Multi-task Learning for Heterogeneous Devices with Adaptive Layer-wise Pruning and Task-aware Aggregation
von: Yu, Zhen, et al.
Veröffentlicht: (2025)

FedSZ: Leveraging Error-Bounded Lossy Compression for Federated Learning Communications
von: Wilkins, Grant, et al.
Veröffentlicht: (2023)

DFedSat: Communication-Efficient and Robust Decentralized Federated Learning for LEO Satellite Constellations
von: Yang, Minghao, et al.
Veröffentlicht: (2024)

Towards Formal Verification of Federated Learning Orchestration Protocols on Satellites
von: Popovic, Miroslav, et al.
Veröffentlicht: (2024)

FedADAS: Communication-Efficient Federated Distillation for On-Device Driver Yawn Recognition in Vehicular Networks
von: Mujtaba, Ahmed, et al.
Veröffentlicht: (2026)

FedSAE: A Novel Self-Adaptive Federated Learning Framework in Heterogeneous Systems
von: Li, Li, et al.
Veröffentlicht: (2021)

sat-QFL: Secure Quantum Federated Learning for Low Orbit Satellites
von: Gurung, Dev, et al.
Veröffentlicht: (2025)

ALANINE: A Novel Decentralized Personalized Federated Learning For Heterogeneous LEO Satellite Constellation
von: Zhao, Liang, et al.
Veröffentlicht: (2024)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

Inference Load-Aware Orchestration for Hierarchical Federated Learning
von: Lackinger, Anna, et al.
Veröffentlicht: (2024)

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