Buchumschlag

OmniFC: Rethinking Federated Clustering via Lossless and Secure Distance Reconstruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yan, Jie, Liu, Jing, Zhang, Zhong-Yuan
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

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

CCFC++: Enhancing Federated Clustering through Feature Decorrelation
von: Yan, Jie, et al.
Veröffentlicht: (2024)

OmniZip: Learning a Unified and Lightweight Lossless Compressor for Multi-Modal Data
von: Zhao, Yan, et al.
Veröffentlicht: (2026)

Random Cycle Coding: Lossless Compression of Cluster Assignments via Bits-Back Coding
von: Severo, Daniel, et al.
Veröffentlicht: (2024)

Lossless Privacy-Preserving Aggregation for Decentralized Federated Learning
von: Miao, Xiaoye, et al.
Veröffentlicht: (2025)

Breaking Privacy in Federated Clustering: Perfect Input Reconstruction via Temporal Correlations
von: Yang, Guang, et al.
Veröffentlicht: (2025)

OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2026)

Rethinking Distance Metrics for Counterfactual Explainability
von: Williams, Joshua Nathaniel, et al.
Veröffentlicht: (2024)

Clustered Federated Learning via Embedding Distributions
von: Zhang, Dekai, et al.
Veröffentlicht: (2025)

Lossless Acceleration of Large Language Model via Adaptive N-gram Parallel Decoding
von: Ou, Jie, et al.
Veröffentlicht: (2024)

CQSA: Byzantine-robust Clustered Quantum Secure Aggregation in Federated Learning
von: Nath, Arnab, et al.
Veröffentlicht: (2026)

Scale-MIA: A Scalable Model Inversion Attack against Secure Federated Learning via Latent Space Reconstruction
von: Shi, Shanghao, et al.
Veröffentlicht: (2023)

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

FC-PINO: High Precision Physics-Informed Neural Operators via Fourier Continuation
von: Ganeshram, Adarsh, et al.
Veröffentlicht: (2022)

Lossless and Near-Lossless Compression for Foundation Models
von: Hershcovitch, Moshik, et al.
Veröffentlicht: (2024)

Rethinking the Personalized Relaxed Initialization in the Federated Learning: Consistency and Generalization
von: Shen, Li, et al.
Veröffentlicht: (2026)

Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
von: Miller-Golub, Maxwell, et al.
Veröffentlicht: (2026)

Federated Learning via Variational Bayesian Inference: Personalization, Sparsity and Clustering
von: Zhang, Xu, et al.
Veröffentlicht: (2023)

CADM: Cluster-customized Adaptive Distance Metric for Categorical Data Clustering
von: Chen, Taixi, et al.
Veröffentlicht: (2025)

Navigating Complexity: Toward Lossless Graph Condensation via Expanding Window Matching
von: Zhang, Yuchen, et al.
Veröffentlicht: (2024)

Lossless Model Compression via Joint Low-Rank Factorization Optimization
von: Zhang, Boyang, et al.
Veröffentlicht: (2024)

Lossless Anti-Distillation Sampling
von: Diao, Zibo, et al.
Veröffentlicht: (2026)

Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks
von: Lin, Yushen, et al.
Veröffentlicht: (2024)

Kangaroo: Lossless Self-Speculative Decoding via Double Early Exiting
von: Liu, Fangcheng, et al.
Veröffentlicht: (2024)

Rethinking Personalized Federated Learning with Clustering-based Dynamic Graph Propagation
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

Megrez-Omni Technical Report
von: Li, Boxun, et al.
Veröffentlicht: (2025)

Fedcompass: Federated Clustered and Periodic Aggregation Framework for Hybrid Classical-Quantum Models
von: Wang, Yueheng, et al.
Veröffentlicht: (2026)

OmniLearn: A Framework for Distributed Deep Learning over Heterogeneous Clusters
von: Tyagi, Sahil, et al.
Veröffentlicht: (2025)

FC-KAN: Function Combinations in Kolmogorov-Arnold Networks
von: Ta, Hoang-Thang, et al.
Veröffentlicht: (2024)

Rethinking Divisive Hierarchical Clustering from a Distributional Perspective
von: Zhang, Kaifeng, et al.
Veröffentlicht: (2026)

Jigsaw Game: Federated Clustering
von: Xu, Jinxuan, et al.
Veröffentlicht: (2024)

FairAD: Computationally Efficient Fair Graph Clustering via Algebraic Distance
von: Vuong, Minh Phu, et al.
Veröffentlicht: (2025)

Categorical Data Clustering via Value Order Estimated Distance Metric Learning
von: Zhang, Yiqun, et al.
Veröffentlicht: (2024)

"Lossless" Compression of Deep Neural Networks: A High-dimensional Neural Tangent Kernel Approach
von: Gu, Lingyu, et al.
Veröffentlicht: (2024)

Federated Learning for Cross-Domain Data Privacy: A Distributed Approach to Secure Collaboration
von: Zhang, Yiwei, et al.
Veröffentlicht: (2025)

Cluster-Enhanced Federated Graph Neural Network for Recommendation
von: Wang, Haiyan, et al.
Veröffentlicht: (2024)

Omni-DeepSearch: A Benchmark for Audio-Driven Omni-Modal Deep Search
von: Yu, Tao, et al.
Veröffentlicht: (2026)

FedBAP: Backdoor Defense via Benign Adversarial Perturbation in Federated Learning
von: Yan, Xinhai, et al.
Veröffentlicht: (2025)

Rethinking Client-oriented Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2025)

Explore the Limits of Omni-modal Pretraining at Scale
von: Zhang, Yiyuan, et al.
Veröffentlicht: (2024)