Buchumschlag

Personalized Federated Learning via Learning Dynamic Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Ziran, Gao, Guanyu, Wu, Xiaohu, Lyu, Yan
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

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

LLM-Guided Dynamic-UMAP for Personalized Federated Graph Learning
von: Puppala, Sai, et al.
Veröffentlicht: (2025)

Personalized Federated Continual Learning via Multi-granularity Prompt
von: Yu, Hao, et al.
Veröffentlicht: (2024)

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

On Variance Reduction in Learning Mean Flows
von: Lu, Juanwu, et al.
Veröffentlicht: (2026)

Personalized Federated Learning via Sequential Layer Expansion in Representation Learning
von: Jang, Jaewon, et al.
Veröffentlicht: (2024)

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

Personalized Federated Learning via Feature Distribution Adaptation
von: Mclaughlin, Connor J., et al.
Veröffentlicht: (2024)

Spatial-Temporal Federated Learning for Lifelong Person Re-identification on Distributed Edges
von: Zhang, Lei, et al.
Veröffentlicht: (2022)

Enhancing Cross-Problem Vehicle Routing via Federated Learning
von: Meng, Xiangchi, et al.
Veröffentlicht: (2026)

Voronoi-grid-based Pareto Front Learning and Its Application to Collaborative Federated Learning
von: Chen, Mengmeng, et al.
Veröffentlicht: (2025)

DP2FL: Dual Prompt Personalized Federated Learning in Foundation Models
von: Chang, Ying, et al.
Veröffentlicht: (2025)

Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-Rank Decomposition
von: Wu, Xinghao, et al.
Veröffentlicht: (2024)

Heterogeneity-aware Personalized Federated Learning via Adaptive Dual-Agent Reinforcement Learning
von: Chen, Xi, et al.
Veröffentlicht: (2025)

Communication-Efficient Personalized Federal Graph Learning via Low-Rank Decomposition
von: Liu, Ruyue, et al.
Veröffentlicht: (2024)

Few-for-Many Personalized Federated Learning
von: Guo, Ping, et al.
Veröffentlicht: (2026)

Towards Instance-wise Personalized Federated Learning via Semi-Implicit Bayesian Prompt Tuning
von: Ye, Tiandi, et al.
Veröffentlicht: (2025)

Dynamic Graph Structure Learning via Resistance Curvature Flow
von: Fei, Chaoqun, et al.
Veröffentlicht: (2026)

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

Curriculum Guided Personalized Subgraph Federated Learning
von: Kang, Minku, et al.
Veröffentlicht: (2025)

IP-FL: Incentivized and Personalized Federated Learning
von: Khan, Ahmad Faraz, et al.
Veröffentlicht: (2023)

APFL: Analytic Personalized Federated Learning via Dual-Stream Least Squares
von: Fan, Kejia, et al.
Veröffentlicht: (2025)

Reconciling In-Context and In-Weight Learning via Dual Representation Space Encoding
von: Chen, Guanyu, et al.
Veröffentlicht: (2026)

Condensation-Concatenation Framework for Dynamic Graph Continual Learning
von: Yan, Tingxu, et al.
Veröffentlicht: (2025)

Data-centric Federated Graph Learning with Large Language Models
von: Yan, Bo, et al.
Veröffentlicht: (2025)

FedSelect: Personalized Federated Learning with Customized Selection of Parameters for Fine-Tuning
von: Tamirisa, Rishub, et al.
Veröffentlicht: (2024)

Personalized Subgraph Federated Learning with Differentiable Auxiliary Projections
von: Zhuo, Wei, et al.
Veröffentlicht: (2025)

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

Adaptive Personalized Federated Learning via Multi-task Averaging of Kernel Mean Embeddings
von: Fermanian, Jean-Baptiste, et al.
Veröffentlicht: (2026)

CLDG: Contrastive Learning on Dynamic Graphs
von: Xu, Yiming, et al.
Veröffentlicht: (2024)

FedSA: A Unified Representation Learning via Semantic Anchors for Prototype-based Federated Learning
von: Zhou, Yanbing, et al.
Veröffentlicht: (2025)

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

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

FedSelect: Customized Selection of Parameters for Fine-Tuning during Personalized Federated Learning
von: Tamirisa, Rishub, et al.
Veröffentlicht: (2023)

GSINA: Improving Subgraph Extraction for Graph Invariant Learning via Graph Sinkhorn Attention
von: Yan, Junchi, et al.
Veröffentlicht: (2024)

Federated Prototype Graph Learning
von: Wu, Zhengyu, et al.
Veröffentlicht: (2025)

Molecular Graph Representation Learning via Structural Similarity Information
von: Yao, Chengyu, et al.
Veröffentlicht: (2024)

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Towards Layer-Wise Personalized Federated Learning: Adaptive Layer Disentanglement via Conflicting Gradients
von: Nguyen, Minh Duong, et al.
Veröffentlicht: (2024)