Buchumschlag

A Generalized Hierarchical Federated Learning Framework with Theoretical Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Azimi-Abarghouyi, Seyed Mohammad, Fischione, Carlo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Information Theory Networking and Internet Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hierarchical Federated Learning with SignSGD: A Highly Communication-Efficient Approach
von: Kazemi, Amirreza, et al.
Veröffentlicht: (2026)

A Theoretical Framework for Energy-Aware Gradient Pruning in Federated Learning
von: Athanasakos, Emmanouil M.
Veröffentlicht: (2026)

Hierarchical Federated Learning for Networked AI: From Communication Saving to Architecture-Aware Design
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2026)

Out-of-Air Computation: Enabling Structured Extraction from Wireless Superposition
von: Azimi-Abarghouyi, Seyed Mohammad
Veröffentlicht: (2026)

GELATO: Generative Entropy- and Lyapunov-based Adaptive Token Offloading for Device-Edge Speculative LLM Inference
von: Tang, Zengzipeng, et al.
Veröffentlicht: (2026)

Q-GADMM: Quantized Group ADMM for Communication Efficient Decentralized Machine Learning
von: Elgabli, Anis, et al.
Veröffentlicht: (2019)

Reactive Orchestration for Hierarchical Federated Learning Under a Communication Cost Budget
von: Čilić, Ivan, et al.
Veröffentlicht: (2024)

Approximate Wireless Communication for Lossy Gradient Updates in IoT Federated Learning
von: Ma, Xiang, et al.
Veröffentlicht: (2024)

Hierarchical Federated ADMM
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

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

Feature-Based Semantics-Aware Scheduling for Energy-Harvesting Federated Learning
von: Jeong, Eunjeong, et al.
Veröffentlicht: (2025)

Lean Clients, Full Accuracy: Hybrid Zeroth- and First-Order Split Federated Learning
von: Kou, Zhoubin, et al.
Veröffentlicht: (2026)

RCC-PFL: Robust Client Clustering under Noisy Labels in Personalized Federated Learning
von: Ali, Abdulmoneam, et al.
Veröffentlicht: (2025)

SFL-LEO: Asynchronous Split-Federated Learning Design for LEO Satellite-Ground Network Framework
von: Wu, Jiasheng, et al.
Veröffentlicht: (2025)

Architectural Blueprint For Heterogeneity-Resilient Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2024)

Performance Analysis of Decentralized Federated Learning Deployments
von: Jiang, Chengyan, et al.
Veröffentlicht: (2025)

On-demand Quantization for Green Federated Generative Diffusion in Mobile Edge Networks
von: Lai, Bingkun, et al.
Veröffentlicht: (2024)

Federated Learning framework for LoRaWAN-enabled IIoT communication: A case study
von: Sanchez, Oscar Torres, et al.
Veröffentlicht: (2024)

FedMFS: Federated Multimodal Fusion Learning with Selective Modality Communication
von: Yuan, Liangqi, et al.
Veröffentlicht: (2023)

Federated Split Learning with Model Pruning and Gradient Quantization in Wireless Networks
von: Zhang, Junhe, et al.
Veröffentlicht: (2024)

Device Sampling and Resource Optimization for Federated Learning in Cooperative Edge Networks
von: Wang, Su, et al.
Veröffentlicht: (2023)

MergeSFL: Split Federated Learning with Feature Merging and Batch Size Regulation
von: Liao, Yunming, et al.
Veröffentlicht: (2023)

Machine Learning-Driven Performance Analysis of Compressed Communication in Aerial-RIS Networks for Future 6G Networks
von: Khan, Muhammad Farhan, et al.
Veröffentlicht: (2025)

Joint Optimization of Training and Inference in Federated Edge Learning via Constrained Multi-Objective Deep Reinforcement Learning
von: Li, Zhen, et al.
Veröffentlicht: (2026)

FedSkipTwin: Digital-Twin-Guided Client Skipping for Communication-Efficient Federated Learning
von: Commey, Daniel, et al.
Veröffentlicht: (2025)

Toward 6G Native-AI Network: Foundation Model based Cloud-Edge-End Collaboration Framework
von: Chen, Xiang, et al.
Veröffentlicht: (2023)

Graph Theory Meets Federated Learning over Satellite Constellations: Spanning Aggregations, Network Formation, and Performance Optimization
von: Nadimi, Fardis, et al.
Veröffentlicht: (2025)

Hierarchical Split Federated Learning: Convergence Analysis and System Optimization
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

DRL-Based Federated Self-Supervised Learning for Task Offloading and Resource Allocation in ISAC-Enabled Vehicle Edge Computing
von: Gu, Xueying, et al.
Veröffentlicht: (2024)

Hierarchical Online-Scheduling for Energy-Efficient Split Inference with Progressive Transmission
von: Tang, Zengzipeng, et al.
Veröffentlicht: (2026)

Federated Transfer Component Analysis Towards Effective VNF Profiling
von: Zhang, Xunzheng, et al.
Veröffentlicht: (2024)

On the Geometric Coherence of Global Aggregation in Federated Graph Neural Networks
von: Kabgere, Chethana Prasad, et al.
Veröffentlicht: (2026)

Distributed Mixture-of-Agents for Edge Inference with Large Language Models
von: Mitra, Purbesh, et al.
Veröffentlicht: (2024)

Capacity Scalability of LEO Constellations With Dynamic Link Failures
von: Li, Wei, et al.
Veröffentlicht: (2026)

Satellite Federated Fine-Tuning for Foundation Models in Space Computing Power Networks
von: Zhu, Yan, et al.
Veröffentlicht: (2025)

ZKP-FedEval: Verifiable and Privacy-Preserving Federated Evaluation using Zero-Knowledge Proofs
von: Commey, Daniel, et al.
Veröffentlicht: (2025)

FedRDMA: Communication-Efficient Cross-Silo Federated LLM via Chunked RDMA Transmission
von: Zhang, Zeling, et al.
Veröffentlicht: (2024)

Comparison of edge computing methods in Internet of Things architectures for efficient estimation of indoor environmental parameters with Machine Learning
von: Gamazo-Real, Jose-Carlos, et al.
Veröffentlicht: (2024)

Enhancing Cloud-Native Resource Allocation with Probabilistic Forecasting Techniques in O-RAN
von: Kasuluru, Vaishnavi, et al.
Veröffentlicht: (2024)

On the use of Probabilistic Forecasting for Network Analysis in Open RAN
von: Kasuluru, Vaishnavi, et al.
Veröffentlicht: (2024)