Buchumschlag

The Impact Analysis of Delays in Asynchronous Federated Learning with Data Heterogeneity for Edge Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hao, Ziruo, Cui, Zhenhua, Yang, Tao, Hu, Bo, Wu, Xiaofeng, Feng, Hui
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

Invariant Federated Learning for Edge Intelligence: Mitigating Heterogeneity and Asynchrony via Exit Strategy and Invariant Penalty
von: Hao, Ziruo, et al.
Veröffentlicht: (2025)

Distributed Dynamic Invariant Causal Prediction in Environmental Time Series
von: Hao, Ziruo, et al.
Veröffentlicht: (2026)

Analysis of Asynchronous Federated Learning: Unraveling the Interactions between Gradient Compression, Delay, and Data Heterogeneity
von: Yang, Diying, et al.
Veröffentlicht: (2025)

MAB-Based Channel Scheduling for Asynchronous Federated Learning in Non-Stationary Environments
von: Li, Zhiyin, et al.
Veröffentlicht: (2025)

UAV-Assisted Multi-Task Federated Learning with Task Knowledge Sharing
von: Yang, Yubo, et al.
Veröffentlicht: (2025)

Efficient Federated Learning with Encrypted Data Sharing for Data-Heterogeneous Edge Devices
von: Li, Hangyu, et al.
Veröffentlicht: (2025)

Dual-Delayed Asynchronous SGD for Arbitrarily Heterogeneous Data
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

Anti-Byzantine Attacks Enabled Vehicle Selection for Asynchronous Federated Learning in Vehicular Edge Computing
von: Zhang, Cui, et al.
Veröffentlicht: (2024)

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

Asynchronous Federated Stochastic Optimization for Heterogeneous Objectives Under Arbitrary Delays
von: Iakovidou, Charikleia, et al.
Veröffentlicht: (2024)

Efficient UAV Swarm-Based Multi-Task Federated Learning with Dynamic Task Knowledge Sharing
von: Yang, Yubo, et al.
Veröffentlicht: (2025)

Contrastive Learning with Nasty Noise
von: Zhao, Ziruo
Veröffentlicht: (2025)

Faster Convergence on Heterogeneous Federated Edge Learning: An Adaptive Clustered Data Sharing Approach
von: Hu, Gang, et al.
Veröffentlicht: (2024)

FedPAE: Peer-Adaptive Ensemble Learning for Asynchronous and Model-Heterogeneous Federated Learning
von: Mueller, Brianna, et al.
Veröffentlicht: (2024)

DriftGuard: Mitigating Asynchronous Data Drift in Federated Learning
von: Han, Yizhou, et al.
Veröffentlicht: (2026)

Momentum Approximation in Asynchronous Private Federated Learning
von: Yu, Tao, et al.
Veröffentlicht: (2024)

STRGCN: Capturing Asynchronous Spatio-Temporal Dependencies for Irregular Multivariate Time Series Forecasting
von: Wang, Yulong, et al.
Veröffentlicht: (2025)

Cellular Traffic Prediction via Byzantine-robust Asynchronous Federated Learning
von: Ma, Hui, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning in Heterogeneous Wireless Networks with Independent Sampling
von: Geng, Jiaxiang, et al.
Veröffentlicht: (2024)

Convergence Analysis of Sequential Federated Learning on Heterogeneous Data
von: Li, Yipeng, et al.
Veröffentlicht: (2023)

Federated Contextual Cascading Bandits with Asynchronous Communication and Heterogeneous Users
von: Yang, Hantao, et al.
Veröffentlicht: (2024)

Ordered Local Momentum for Asynchronous Distributed Learning under Arbitrary Delays
von: Shi, Chang-Wei, et al.
Veröffentlicht: (2026)

Achieving Linear Speedup in Asynchronous Federated Learning with Heterogeneous Clients
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

FedGPS: Statistical Rectification Against Data Heterogeneity in Federated Learning
von: Yang, Zhiqin, et al.
Veröffentlicht: (2025)

Fisher-Informed Parameterwise Aggregation for Federated Learning with Heterogeneous Data
von: Chang, Zhipeng, et al.
Veröffentlicht: (2026)

Asynchronous Training Schemes in Distributed Learning with Time Delay
von: Wang, Haoxiang, et al.
Veröffentlicht: (2022)

GitFL: Adaptive Asynchronous Federated Learning using Version Control
von: Hu, Ming, et al.
Veröffentlicht: (2022)

Dynamic Clustering for Personalized Federated Learning on Heterogeneous Edge Devices
von: Liu, Heting, et al.
Veröffentlicht: (2025)

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

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

Asynchronous Distributed Optimization with Delay-free Parameters
von: Wu, Xuyang, et al.
Veröffentlicht: (2023)

Empirical Analysis of Asynchronous Federated Learning on Heterogeneous Devices: Efficiency, Fairness, and Privacy Trade-offs
von: Mohammadi, Samaneh, et al.
Veröffentlicht: (2025)

Federated Reinforcement Learning with Constraint Heterogeneity
von: Jin, Hao, et al.
Veröffentlicht: (2024)

Factor-Assisted Federated Learning for Personalized Optimization with Heterogeneous Data
von: Wang, Feifei, et al.
Veröffentlicht: (2023)

Knowledge Distillation in Federated Edge Learning: A Survey
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

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

Reviving Stale Updates: Data-Free Knowledge Distillation for Asynchronous Federated Learning
von: Askin, Baris, et al.
Veröffentlicht: (2025)

Buffered Asynchronous Secure Aggregation for Cross-Device Federated Learning
von: Wang, Kun, et al.
Veröffentlicht: (2024)

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

PPFL: A Personalized Federated Learning Framework for Heterogeneous Population
von: Di, Hao, et al.
Veröffentlicht: (2023)