Buchumschlag

Energy-Efficient Federated Learning for AIoT using Clustering Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pereira, Roberto, Famá, Fernanda, Kalalas, Charalampos, Dini, Paolo
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

Contrastive Self-Supervised Learning at the Edge: An Energy Perspective
von: Famá, Fernanda, et al.
Veröffentlicht: (2025)

Self-Supervised Learning at the Edge: The Cost of Labeling
von: Pereira, Roberto, et al.
Veröffentlicht: (2025)

Measuring Data Similarity for Efficient Federated Learning: A Feasibility Study
von: Famá, Fernanda, et al.
Veröffentlicht: (2024)

CrowdTransfer: Enabling Crowd Knowledge Transfer in AIoT Community
von: Liu, Yan, et al.
Veröffentlicht: (2024)

A Trustworthy AIoT-enabled Localization System via Federated Learning and Blockchain
von: Wang, Junfei, et al.
Veröffentlicht: (2024)

Integer-only Quantized Transformers for Embedded FPGA-based Time-series Forecasting in AIoT
von: Ling, Tianheng, et al.
Veröffentlicht: (2024)

DiReDi: Distillation and Reverse Distillation for AIoT Applications
von: Sun, Chen, et al.
Veröffentlicht: (2024)

Transformer-based Graph Neural Networks for Battery Range Prediction in AIoT Battery-Swap Services
von: Li, Zhao, et al.
Veröffentlicht: (2024)

Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data
von: Symeonidis, Charalampos, et al.
Veröffentlicht: (2024)

AdaptiveFL: Adaptive Heterogeneous Federated Learning for Resource-Constrained AIoT Systems
von: Jia, Chentao, et al.
Veröffentlicht: (2023)

One-Shot Clustering for Federated Learning
von: Zuziak, Maciej Krzysztof, et al.
Veröffentlicht: (2025)

One-Shot Clustering for Federated Learning Under Clustering-Agnostic Assumption
von: Zuziak, Maciej Krzysztof, et al.
Veröffentlicht: (2025)

Optimization of Lightweight Malware Detection Models For AIoT Devices
von: Lo, Felicia, et al.
Veröffentlicht: (2024)

AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults
von: Liu, Yimeng, et al.
Veröffentlicht: (2026)

Federated Learning in Mobile Networks: A Comprehensive Case Study on Traffic Forecasting
von: Pavlidis, Nikolaos, et al.
Veröffentlicht: (2024)

A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks
von: Wu, Jiaqi, et al.
Veröffentlicht: (2025)

Predictive Modeling of Homeless Service Assignment: A Representation Learning Approach
von: Rahman, Khandker Sadia, et al.
Veröffentlicht: (2024)

FedTSA: A Cluster-based Two-Stage Aggregation Method for Model-heterogeneous Federated Learning
von: Fan, Boyu, et al.
Veröffentlicht: (2024)

CCFC: Bridging Federated Clustering and Contrastive Learning
von: Liu, Jing, et al.
Veröffentlicht: (2024)

Privacy-Preserving Explainable AIoT Application via SHAP Entropy Regularization
von: Sharma, Dilli Prasad, et al.
Veröffentlicht: (2025)

Quantum-Inspired Reinforcement Learning for Secure and Sustainable AIoT-Driven Supply Chain Systems
von: Dastagir, Muhammad Bilal Akram, et al.
Veröffentlicht: (2026)

A Safe Deep Reinforcement Learning Approach for Energy Efficient Federated Learning in Wireless Communication Networks
von: Koursioumpas, Nikolaos, et al.
Veröffentlicht: (2023)

Proactive Rejection and Grounded Execution: A Dual-Stage Intent Analysis Paradigm for Safe and Efficient AIoT Smart Homes
von: Jin, Xinxin, et al.
Veröffentlicht: (2026)

Adaptive-lambda Subtracted Importance Sampled Scores in Machine Unlearning for DDPMs and VAEs
von: Dini, MohammadParsa, et al.
Veröffentlicht: (2025)

Towards Heterogeneity-Aware and Energy-Efficient Topology Optimization for Decentralized Federated Learning in Edge Environment
von: Liu, Yuze, et al.
Veröffentlicht: (2025)

AutoIOT: LLM-Driven Automated Natural Language Programming for AIoT Applications
von: Shen, Leming, et al.
Veröffentlicht: (2025)

Enhancing Federated Learning Through Secure Cluster-Weighted Client Aggregation
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Equitable Federated Learning with Activation Clustering
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2024)

LCFed: An Efficient Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

Discriminative Anchor Learning for Efficient Multi-view Clustering
von: Qin, Yalan, et al.
Veröffentlicht: (2024)

CLoVE: Personalized Federated Learning through Clustering of Loss Vector Embeddings
von: Bhatia, Randeep, et al.
Veröffentlicht: (2025)

MoCFL: Mobile Cluster Federated Learning Framework for Highly Dynamic Network
von: Fang, Kai, et al.
Veröffentlicht: (2025)

Cluster-Aware Multi-Round Update for Wireless Federated Learning in Heterogeneous Environments
von: Sun, Pengcheng, et al.
Veröffentlicht: (2025)

OptiFLIDS: Optimized Federated Learning for Energy-Efficient Intrusion Detection in IoT
von: Elouardi, Saida, et al.
Veröffentlicht: (2025)

Machine Learning for Pattern Detection in Printhead Nozzle Logging
von: Prianikov, Nikola, et al.
Veröffentlicht: (2025)

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

Communication-Efficient Federated Learning with Accelerated Client Gradient
von: Kim, Geeho, et al.
Veröffentlicht: (2022)

Improved Generalization Bounds for Communication Efficient Federated Learning
von: Gholami, Peyman, et al.
Veröffentlicht: (2024)

One-shot Federated Learning Methods: A Practical Guide
von: Liu, Xiang, et al.
Veröffentlicht: (2025)

An Enhanced Federated Prototype Learning Method under Domain Shift
von: Kuang, Liang, et al.
Veröffentlicht: (2024)