Buchumschlag

Deep Latent Variable Model based Vertical Federated Learning with Flexible Alignment and Labeling Scenarios

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hong, Kihun, Park, Sejun, Hwang, Ganguk
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Kernel Perspective on Distillation-based Collaborative Learning
von: Park, Sejun, et al.
Veröffentlicht: (2024)

On Expressive Power of Quantized Neural Networks under Fixed-Point Arithmetic
von: Park, Yeachan, et al.
Veröffentlicht: (2024)

On the Expressive Power of Floating-Point Transformers
von: Park, Sejun, et al.
Veröffentlicht: (2026)

Floating-Point Networks with Automatic Differentiation Can Represent Almost All Floating-Point Functions and Their Gradients
von: Park, Sejun, et al.
Veröffentlicht: (2026)

Expressive Power of Floating-Point Neural Networks with Arbitrary Reduction Orders and Inexact Activation Implementations
von: Park, Yeachan, et al.
Veröffentlicht: (2026)

Expressive Power of ReLU and Step Networks under Floating-Point Operations
von: Park, Yeachan, et al.
Veröffentlicht: (2024)

Minimum width for universal approximation using squashable activation functions
von: Shin, Jonghyun, et al.
Veröffentlicht: (2025)

LEA: Label Enumeration Attack in Vertical Federated Learning
von: Jiang, Wenhao, et al.
Veröffentlicht: (2026)

Minimum width for universal approximation using ReLU networks on compact domain
von: Kim, Namjun, et al.
Veröffentlicht: (2023)

IMPaCT GNN: Imposing invariance with Message Passing in Chronological split Temporal Graphs
von: Park, Sejun, et al.
Veröffentlicht: (2024)

Floating-Point Neural Networks Are Provably Robust Universal Approximators
von: Hwang, Geonho, et al.
Veröffentlicht: (2025)

Federated Reinforcement Learning in Heterogeneous Environments
von: Hwang, Ukjo, et al.
Veröffentlicht: (2025)

Deep Latent Variable Modeling of Physiological Signals
von: Vo, Khuong
Veröffentlicht: (2024)

Identifying Metric Structures of Deep Latent Variable Models
von: Syrota, Stas, et al.
Veröffentlicht: (2025)

LabObf: A Label Protection Scheme for Vertical Federated Learning Through Label Obfuscation
von: He, Ying, et al.
Veröffentlicht: (2024)

Poisoning Deep Learning Based Recommender Model in Federated Learning Scenarios
von: Rong, Dazhong, et al.
Veröffentlicht: (2022)

Identifiable Deep Latent Variable Models for MNAR Data
von: Xie, Huiming, et al.
Veröffentlicht: (2026)

TabVFL: Improving Latent Representation in Vertical Federated Learning
von: Rashad, Mohamed, et al.
Veröffentlicht: (2024)

Transfer Learning for Latent Variable Network Models
von: Jalan, Akhil, et al.
Veröffentlicht: (2024)

Tree-based Models for Vertical Federated Learning: A Survey
von: Qian, Bingchen, et al.
Veröffentlicht: (2025)

Revisiting Label Inference Attacks in Vertical Federated Learning: Why They Are Vulnerable and How to Defend
von: Liu, Yige, et al.
Veröffentlicht: (2026)

FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning
von: Shen, Jie, et al.
Veröffentlicht: (2023)

KDk: A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning
von: Arazzi, Marco, et al.
Veröffentlicht: (2024)

Federated Learning with Flexible Architectures
von: Park, Jong-Ik, et al.
Veröffentlicht: (2024)

A Strategy for Label Alignment in Deep Neural Networks
von: Zeng, Xuanrui
Veröffentlicht: (2024)

Deep Latent Force Models: ODE-based Process Convolutions for Bayesian Deep Learning
von: Baldwin-McDonald, Thomas, et al.
Veröffentlicht: (2023)

Disentanglement Analysis in Deep Latent Variable Models Matching Aggregate Posterior Distributions
von: Saha, Surojit, et al.
Veröffentlicht: (2025)

Towards Privacy-Guaranteed Label Unlearning in Vertical Federated Learning: Few-Shot Forgetting without Disclosure
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

Random Latent Exploration for Deep Reinforcement Learning
von: Mahankali, Srinath, et al.
Veröffentlicht: (2024)

Certifying the Right to Be Forgotten: Primal-Dual Optimization for Sample and Label Unlearning in Vertical Federated Learning
von: Jiang, Yu, et al.
Veröffentlicht: (2025)

MetaGreen: Meta-Learning Inspired Transformer Selection for Green Semantic Communication
von: Mukherjee, Shubhabrata, et al.
Veröffentlicht: (2024)

Federated Automatic Latent Variable Selection in Multi-output Gaussian Processes
von: Gao, Jingyi, et al.
Veröffentlicht: (2024)

Label Inference Attacks against Node-level Vertical Federated GNNs
von: Arazzi, Marco, et al.
Veröffentlicht: (2023)

Residue-based Label Protection Mechanisms in Vertical Logistic Regression
von: Tan, Juntao, et al.
Veröffentlicht: (2022)

Model Stitching by Functional Latent Alignment
von: Athanasiadis, Ioannis, et al.
Veröffentlicht: (2025)

Feature-Label Modal Alignment for Robust Partial Multi-Label Learning
von: Chen, Yu, et al.
Veröffentlicht: (2026)

Bayesian Active Learning for Discrete Latent Variable Models
von: Jha, Aditi, et al.
Veröffentlicht: (2022)

Enhanced Federated Deep Multi-View Clustering under Uncertainty Scenario
von: Wei, Bingjun, et al.
Veröffentlicht: (2025)

FedRand: Enhancing Privacy in Federated Learning with Randomized LoRA Subparameter Updates
von: Park, Sangwoo, et al.
Veröffentlicht: (2025)

Gait-Based Hand Load Estimation via Deep Latent Variable Models with Auxiliary Information
von: Gao, Jingyi, et al.
Veröffentlicht: (2025)