Buchumschlag

Bayesian Federated Learning for Continual Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Milasheuski, Usevalad, Barbieri, Luca, Kianoush, Sanaz, Nicoli, Monica, Savazzi, Stefano
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

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

On the Tradeoffs of On-Device Generative Models in Federated Predictive Maintenance Systems
von: Milasheuski, Usevalad, et al.
Veröffentlicht: (2026)

A Carbon Tracking Model for Federated Learning: Impact of Quantization and Sparsification
von: Barbieri, Luca, et al.
Veröffentlicht: (2023)

Compressed Bayesian Federated Learning for Reliable Passive Radio Sensing in Industrial IoT
von: Barbieri, Luca, et al.
Veröffentlicht: (2024)

A Federated Learning Platform as a Service for Advancing Stroke Management in European Clinical Centers
von: Santos, Diogo Reis, et al.
Veröffentlicht: (2024)

A Secure and Trustworthy Network Architecture for Federated Learning Healthcare Applications
von: Boiano, Antonio, et al.
Veröffentlicht: (2024)

Learning to Continually Learn with the Bayesian Principle
von: Lee, Soochan, et al.
Veröffentlicht: (2024)

Cooperation and Federation in Distributed Radar Point Cloud Processing
von: Savazzi, S., et al.
Veröffentlicht: (2024)

On Sequential Bayesian Inference for Continual Learning
von: Kessler, Samuel, et al.
Veröffentlicht: (2023)

Federated Learning of Dynamic Bayesian Network via Continuous Optimization from Time Series Data
von: Chen, Jianhong, et al.
Veröffentlicht: (2024)

Intrinsic Training Signals for Federated Learning Aggregation
von: Fiorini, Cosimo, et al.
Veröffentlicht: (2025)

Federated Continual Learning: Concepts, Challenges, and Solutions
von: Hamedi, Parisa, et al.
Veröffentlicht: (2025)

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

Better Generative Replay for Continual Federated Learning
von: Qi, Daiqing, et al.
Veröffentlicht: (2023)

PAC-Bayesian Reinforcement Learning Trains Generalizable Policies
von: Zitouni, Abdelkrim, et al.
Veröffentlicht: (2025)

Bayesian Neural Network For Personalized Federated Learning Parameter Selection
von: Luo, Mengen, et al.
Veröffentlicht: (2024)

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

Explainability and Continual Learning meet Federated Learning at the Network Edge
von: Tsouparopoulos, Thomas, et al.
Veröffentlicht: (2025)

Fair Concurrent Training of Multiple Models in Federated Learning
von: Siew, Marie, et al.
Veröffentlicht: (2024)

Adaptive Guidance for Local Training in Heterogeneous Federated Learning
von: Zhang, Jianqing, et al.
Veröffentlicht: (2024)

Unsupervised Physics-Informed Operator Learning through Multi-Stage Curriculum Training
von: Marcandelli, Paolo, et al.
Veröffentlicht: (2026)

PFedDST: Personalized Federated Learning with Decentralized Selection Training
von: Fan, Mengchen, et al.
Veröffentlicht: (2025)

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

Federated Continual Learning via Knowledge Fusion: A Survey
von: Yang, Xin, et al.
Veröffentlicht: (2023)

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

FLAME: Adaptive and Reactive Concept Drift Mitigation for Federated Learning Deployments
von: Mavromatis, Ioannis, et al.
Veröffentlicht: (2024)

The KANDY Benchmark: Incremental Neuro-Symbolic Learning and Reasoning with Kandinsky Patterns
von: Lorello, Luca Salvatore, et al.
Veröffentlicht: (2024)

Shift Happens: Mixture of Experts based Continual Adaptation in Federated Learning
von: Bhope, Rahul Atul, et al.
Veröffentlicht: (2025)

Closed-form merging of parameter-efficient modules for Federated Continual Learning
von: Salami, Riccardo, et al.
Veröffentlicht: (2024)

Bayesian Inference of Training Dataset Membership
von: Huang, Yongchao
Veröffentlicht: (2025)

Federated Continual Instruction Tuning
von: Guo, Haiyang, et al.
Veröffentlicht: (2025)

Trust and Resilience in Federated Learning Through Smart Contracts Enabled Decentralized Systems
von: Cassano, Lorenzo, et al.
Veröffentlicht: (2024)

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

Load-Aware Training Scheduling for Model Circulation-based Decentralized Federated Learning
von: Kainuma, Haruki, et al.
Veröffentlicht: (2025)

ProgFed: Effective, Communication, and Computation Efficient Federated Learning by Progressive Training
von: Wang, Hui-Po, et al.
Veröffentlicht: (2021)

Split Federated Learning Architectures for High-Accuracy and Low-Delay Model Training
von: Papageorgiou, Yiannis, et al.
Veröffentlicht: (2026)

HINT: Hypernetwork Approach to Training Weight Interval Regions in Continual Learning
von: Krukowski, Patryk, et al.
Veröffentlicht: (2024)

Federated-Continual Dynamic Segmentation of Histopathology guided by Barlow Continuity
von: Babendererde, Niklas, et al.
Veröffentlicht: (2025)

Generating Clinically Realistic EHR Data via a Hierarchy- and Semantics-Guided Transformer
von: Zhou, Guanglin, et al.
Veröffentlicht: (2025)

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