Buchumschlag

Federated Learning Framework via Distributed Mutual Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Gupta, Yash
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

Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection
von: Ling, Zhiwei, et al.
Veröffentlicht: (2026)

Byzantine-Resilient Federated Learning via Distributed Optimization
von: Xia, Yufei, et al.
Veröffentlicht: (2025)

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

DFML: Decentralized Federated Mutual Learning
von: Khalil, Yasser H., et al.
Veröffentlicht: (2024)

MOLE: MOdular Learning FramEwork via Mutual Information Maximization
von: Li, Tianchao, et al.
Veröffentlicht: (2023)

Rényi Divergence Deep Mutual Learning
von: Huang, Weipeng, et al.
Veröffentlicht: (2022)

Diverse Policies Recovering via Pointwise Mutual Information Weighted Imitation Learning
von: Yang, Hanlin, et al.
Veröffentlicht: (2024)

Mutual Information Regularized Offline Reinforcement Learning
von: Ma, Xiao, et al.
Veröffentlicht: (2022)

Sequential Compression Layers for Efficient Federated Learning in Foundational Models
von: Mahla, Navyansh, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning Framework for Distributed Chemical Process Optimization
von: Pipattaratonchai, Teetat, et al.
Veröffentlicht: (2026)

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

Enhancing Robustness of Federated Learning via Server Learning
von: Mai, Van Sy, et al.
Veröffentlicht: (2026)

QMGeo: Differentially Private Federated Learning via Stochastic Quantization with Mixed Truncated Geometric Distribution
von: Wang, Zixi, et al.
Veröffentlicht: (2023)

Scaling Laws and In-Context Learning: A Unified Theoretical Framework
von: Mehta, Sushant, et al.
Veröffentlicht: (2025)

MIR: Efficient Exploration in Episodic Multi-Agent Reinforcement Learning via Mutual Intrinsic Reward
von: Chen, Kesheng, et al.
Veröffentlicht: (2025)

CALF: Communication-Aware Learning Framework for Distributed Reinforcement Learning
von: Purves, Carlos, et al.
Veröffentlicht: (2026)

A Secure and Private Distributed Bayesian Federated Learning Design
von: Yang, Nuocheng, et al.
Veröffentlicht: (2026)

Operator-Theoretic Framework for Gradient-Free Federated Learning
von: Kumar, Mohit, et al.
Veröffentlicht: (2025)

TreeCSS: An Efficient Framework for Vertical Federated Learning
von: Zhang, Qinbo, et al.
Veröffentlicht: (2024)

FedModule: A Modular Federated Learning Framework
von: Chen, Chuyi, et al.
Veröffentlicht: (2024)

Robust Multi-Agent Reinforcement Learning by Mutual Information Regularization
von: Li, Simin, et al.
Veröffentlicht: (2023)

Bidirectional-Reachable Hierarchical Reinforcement Learning with Mutually Responsive Policies
von: Luo, Yu, et al.
Veröffentlicht: (2024)

Provable Privacy Advantages of Decentralized Federated Learning via Distributed Optimization
von: Yu, Wenrui, et al.
Veröffentlicht: (2024)

Learning to Be Cautious
von: Mohammedalamen, Montaser, et al.
Veröffentlicht: (2021)

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning
von: Liu, Jinshan, et al.
Veröffentlicht: (2026)

A Simple Data Augmentation for Feature Distribution Skewed Federated Learning
von: Yan, Yunlu, et al.
Veröffentlicht: (2023)

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

Large-Small Model Collaborative Framework for Federated Continual Learning
von: Yu, Hao, et al.
Veröffentlicht: (2025)

Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning
von: Luthra, Achleshwar, et al.
Veröffentlicht: (2026)

Mutual Information Tracks Policy Coherence in Reinforcement Learning
von: Reid, Cameron, et al.
Veröffentlicht: (2025)

Personalized Artificial General Intelligence (AGI) via Neuroscience-Inspired Continuous Learning Systems
von: Gupta, Rajeev, et al.
Veröffentlicht: (2025)

VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks
von: Wu, Zhaomin, et al.
Veröffentlicht: (2023)

UpSkill: Mutual Information Skill Learning for Structured Response Diversity in LLMs
von: Shah, Devan, et al.
Veröffentlicht: (2026)

Can a MISL Fly? Analysis and Ingredients for Mutual Information Skill Learning
von: Zheng, Chongyi, et al.
Veröffentlicht: (2024)

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

Skill-aware Mutual Information Optimisation for Generalisation in Reinforcement Learning
von: Yu, Xuehui, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Inventory Networks: Toward Reliable Policy Optimization
von: Alvo, Matias, et al.
Veröffentlicht: (2023)

Strategies for Improving Communication Efficiency in Distributed and Federated Learning: Compression, Local Training, and Personalization
von: Yi, Kai
Veröffentlicht: (2025)

Privacy-Preserving Personalized Federated Learning for Distributed Photovoltaic Disaggregation under Statistical Heterogeneity
von: Chen, Xiaolu, et al.
Veröffentlicht: (2025)

FederatedFactory: Generative One-Shot Learning for Extremely Non-IID Distributed Scenarios
von: Moleri, Andrea, et al.
Veröffentlicht: (2026)