Buchumschlag

Optimized Local Updates in Federated Learning via Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Murad, Ali, Hui, Bo, Ku, Wei-Shinn
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

On the Fragility of Data Attribution When Learning Is Distributed
von: Gao, Xian, et al.
Veröffentlicht: (2026)

Conformalized Neural Networks for Federated Uncertainty Quantification under Dual Heterogeneity
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Federated-inspired Single-cell Batch Integration in Latent Space
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Delay Sensitive Hierarchical Federated Learning with Stochastic Local Updates
von: Ali, Abdulmoneam, et al.
Veröffentlicht: (2023)

Recovering Labels from Local Updates in Federated Learning
von: Chen, Huancheng, et al.
Veröffentlicht: (2024)

The Actor-Critic Update Order Matters for PPO in Federated Reinforcement Learning
von: Xie, Zhijie, et al.
Veröffentlicht: (2025)

Diffusion Learning with Partial Agent Participation and Local Updates
von: Rizk, Elsa, et al.
Veröffentlicht: (2025)

Byzantine-Robust Federated Learning: Impact of Client Subsampling and Local Updates
von: Allouah, Youssef, et al.
Veröffentlicht: (2024)

Asynchronous Diffusion Learning with Agent Subsampling and Local Updates
von: Rizk, Elsa, et al.
Veröffentlicht: (2024)

Can We Theoretically Quantify the Impacts of Local Updates on the Generalization Performance of Federated Learning?
von: Ju, Peizhong, et al.
Veröffentlicht: (2024)

Constraint-Aware Reinforcement Learning via Adaptive Action Scaling
von: Dawood, Murad, et al.
Veröffentlicht: (2025)

Robust Federated Learning via Byzantine Filtering over Encrypted Updates
von: Bendoukha, Adda Akram, et al.
Veröffentlicht: (2026)

Risk-sensitive Actor-Critic with Static Spectral Risk Measures for Online and Offline Reinforcement Learning
von: Moghimi, Mehrdad, et al.
Veröffentlicht: (2025)

FedLGA: Towards System-Heterogeneity of Federated Learning via Local Gradient Approximation
von: Li, Xingyu, et al.
Veröffentlicht: (2021)

Decoupling Time and Risk: Risk-Sensitive Reinforcement Learning with General Discounting
von: Moghimi, Mehrdad, et al.
Veröffentlicht: (2026)

Local Environment Poisoning Attacks on Federated Reinforcement Learning
von: Ma, Evelyn, et al.
Veröffentlicht: (2023)

Beyond CVaR: Leveraging Static Spectral Risk Measures for Enhanced Decision-Making in Distributional Reinforcement Learning
von: Moghimi, Mehrdad, et al.
Veröffentlicht: (2025)

Smart Information Exchange for Unsupervised Federated Learning via Reinforcement Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2024)

Federated Learning Inspired Fuzzy Systems: Decentralized Rule Updating for Privacy and Scalable Decision Making
von: Lim, Arthur Alexander, et al.
Veröffentlicht: (2025)

Intentional Updates for Streaming Reinforcement Learning
von: Sharifnassab, Arsalan, et al.
Veröffentlicht: (2026)

A Survey of Lottery Ticket Hypothesis
von: Liu, Bohan, et al.
Veröffentlicht: (2024)

Can Optimal Transport Improve Federated Inverse Reinforcement Learning?
von: Millard, David, et al.
Veröffentlicht: (2026)

Over-the-Air Fair Federated Learning via Multi-Objective Optimization
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2025)

Fast Decentralized Gradient Tracking for Federated Minimax Optimization with Local Updates
von: Li, Chris Junchi
Veröffentlicht: (2024)

FlyKD: Graph Knowledge Distillation on the Fly with Curriculum Learning
von: Ku, Eugene
Veröffentlicht: (2024)

Consolidated Adaptive T-soft Update for Deep Reinforcement Learning
von: Kobayashi, Taisuke
Veröffentlicht: (2022)

Concealing Backdoor Model Updates in Federated Learning by Trigger-Optimized Data Poisoning
von: Zhang, Yujie, et al.
Veröffentlicht: (2024)

FedAR: Addressing Client Unavailability in Federated Learning with Local Update Approximation and Rectification
von: Jiang, Chutian, et al.
Veröffentlicht: (2024)

A Joint Approach to Local Updating and Gradient Compression for Efficient Asynchronous Federated Learning
von: Song, Jiajun, et al.
Veröffentlicht: (2024)

Quantum-Inspired Episode Selection for Monte Carlo Reinforcement Learning via QUBO Optimization
von: Salloum, Hadi, et al.
Veröffentlicht: (2026)

Federated Offline Reinforcement Learning
von: Zhou, Doudou, et al.
Veröffentlicht: (2022)

Degree of Staleness-Aware Data Updating in Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2025)

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

Federated Reinforcement Learning with Constraint Heterogeneity
von: Jin, Hao, et al.
Veröffentlicht: (2024)

Layer-wise Update Aggregation with Recycling for Communication-Efficient Federated Learning
von: Kim, Jisoo, et al.
Veröffentlicht: (2025)

Multi-Scale Reversible Chaos Game Representation: A Unified Framework for Sequence Classification
von: Ali, Sarwan, et al.
Veröffentlicht: (2026)

Federated Distributional Reinforcement Learning with Distributional Critic Regularization
von: Millard, David, et al.
Veröffentlicht: (2026)

Non-Convex Optimization in Federated Learning via Variance Reduction and Adaptive Learning
von: Thakur, Dipanwita, et al.
Veröffentlicht: (2024)

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

FedImpro: Measuring and Improving Client Update in Federated Learning
von: Tang, Zhenheng, et al.
Veröffentlicht: (2024)