Buchumschlag

Federated Koopman-Reservoir Learning for Large-Scale Multivariate Time-Series Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Le, Long Tan, Nguyen, Tung-Anh, Shu, Han, Seneviratne, Suranga, Hong, Choong Seon, Tran, Nguyen H.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated PCA on Grassmann Manifold for IoT Anomaly Detection
von: Nguyen, Tung-Anh, et al.
Veröffentlicht: (2024)

Federated Deep Equilibrium Learning: Harnessing Compact Global Representations to Enhance Personalization
von: Le, Long Tan, et al.
Veröffentlicht: (2023)

GoodSpeed: Optimizing Fair Goodput with Adaptive Speculative Decoding in Distributed Edge Inference
von: Tran, Phuong, et al.
Veröffentlicht: (2025)

FCPO: Federated Continual Policy Optimization for Real-Time High-Throughput Edge Video Analytics
von: Liebe, Lucas, et al.
Veröffentlicht: (2025)

Distributed Seasonal Temporal Pattern Mining
von: Ho-Long, Van, et al.
Veröffentlicht: (2025)

Silent Failures in Stateless Systems: Rethinking Anomaly Detection for Serverless Computing
von: Nguyen, Chanh, et al.
Veröffentlicht: (2025)

ToFU: Transforming How Federated Learning Systems Forget User Data
von: Tran, Van-Tuan, et al.
Veröffentlicht: (2025)

Graph-based Gossiping for Communication Efficiency in Decentralized Federated Learning
von: Nguyen, Huong, et al.
Veröffentlicht: (2025)

An Evaluation of LLMs Inference on Popular Single-board Computers
von: Tung, et al.
Veröffentlicht: (2025)

SpaFL: Communication-Efficient Federated Learning with Sparse Models and Low computational Overhead
von: Kim, Minsu, et al.
Veröffentlicht: (2024)

Wait or Not to Wait: Evaluating Trade-Offs between Speed and Precision in Blockchain-based Federated Aggregation
von: Nguyen, Huong, et al.
Veröffentlicht: (2024)

Synthetic Time Series for Anomaly Detection in Cloud Microservices
von: Allam, Mohamed, et al.
Veröffentlicht: (2024)

Blockchain-based Framework for Scalable and Incentivized Federated Learning
von: Wu, Bijun, et al.
Veröffentlicht: (2025)

PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection
von: Xu, Ronghui, et al.
Veröffentlicht: (2024)

Federated Semi-Supervised and Semi-Asynchronous Learning for Anomaly Detection in IoT Networks
von: Zhai, Wenbin, et al.
Veröffentlicht: (2023)

Personalizing Federated Learning for Hierarchical Edge Networks with Non-IID Data
von: Lee, Seunghyun, et al.
Veröffentlicht: (2025)

Leveraging Cloud-Fog Automation for Autonomous Collision Detection and Classification in Intelligent Unmanned Surface Vehicles
von: Tran, Thien, et al.
Veröffentlicht: (2025)

Transformers with Attentive Federated Aggregation for Time Series Stock Forecasting
von: Thwal, Chu Myaet, et al.
Veröffentlicht: (2024)

Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts
von: Khoa, Tran Viet, et al.
Veröffentlicht: (2023)

Harnessing Increased Client Participation with Cohort-Parallel Federated Learning
von: Dhasade, Akash, et al.
Veröffentlicht: (2024)

OCTOPINF: Workload-Aware Inference Serving for Edge Video Analytics
von: Nguyen, Thanh-Tung, et al.
Veröffentlicht: (2025)

Attention on Personalized Clinical Decision Support System: Federated Learning Approach
von: Thwal, Chu Myaet, et al.
Veröffentlicht: (2024)

FedCert: Federated Accuracy Certification
von: Nguyen, Minh Hieu, et al.
Veröffentlicht: (2024)

When Quantum Federated Learning Meets Blockchain in 6G Networks
von: Nguyen, Dinh C., et al.
Veröffentlicht: (2025)

Low-Latency Federated Fine-Tuning for Large Language Models Over Wireless Networks
von: Pang, Zhiwen, et al.
Veröffentlicht: (2026)

ARIMA_PLUS: Large-scale, Accurate, Automatic and Interpretable In-Database Time Series Forecasting and Anomaly Detection in Google BigQuery
von: Cheng, Xi, et al.
Veröffentlicht: (2025)

Advancing Anomaly Detection in Computational Workflows with Active Learning
von: Raghavan, Krishnan, et al.
Veröffentlicht: (2024)

Enhancing Kubernetes Resilience through Anomaly Detection and Prediction
von: Anemogiannis, V., et al.
Veröffentlicht: (2025)

Distributed Q-learning-based Shortest-Path Tree Construction in IoT Sensor Networks
von: Vo, Van-Vi, et al.
Veröffentlicht: (2025)

ADApt: Edge Device Anomaly Detection and Microservice Replica Prediction
von: Mehran, Narges, et al.
Veröffentlicht: (2025)

Flow-Bench: A Dataset for Computational Workflow Anomaly Detection
von: Papadimitriou, George, et al.
Veröffentlicht: (2023)

SemSpaceFL: A Collaborative Hierarchical Federated Learning Framework for Semantic Communication in 6G LEO Satellites
von: Nguyen, Loc X., et al.
Veröffentlicht: (2025)

Federated Isolation Forest for Efficient Anomaly Detection on Edge IoT Systems
von: Vasiljevic, Pavle, et al.
Veröffentlicht: (2025)

Personalized Federated Learning on Data with Dynamic Heterogeneity under Limited Storage
von: Tan, Sixing, et al.
Veröffentlicht: (2024)

Bridging Memory Gaps: Scaling Federated Learning for Heterogeneous Clients
von: Wu, Yebo, et al.
Veröffentlicht: (2024)

Efficient Training Approaches for Performance Anomaly Detection Models in Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2024)

Federated Time Series Generation on Feature and Temporally Misaligned Data
von: Soi, Zhi Wen, et al.
Veröffentlicht: (2024)

Cross-Domain Federated Semantic Communication with Global Representation Alignment and Domain-Aware Aggregation
von: Nguyen, Loc X., et al.
Veröffentlicht: (2025)

Eliminating Timing Anomalies in Scheduling Periodic Segmented Self-Suspending Tasks with Release Jitter
von: Lin, Ching-Chi, et al.
Veröffentlicht: (2024)

Performance of Distributed File Systems on Cloud Computing Environment: An Evaluation for Small-File Problem
von: Duong, Thanh, et al.
Veröffentlicht: (2023)