Buchumschlag

A Weighted Loss Approach to Robust Federated Learning under Data Heterogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Erbani, Johan, Mokhtar, Sonia Ben, Portier, Pierre-Edouard, Egyed-Zsigmond, Elod, Nurbakova, Diana
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 Normalization of Confusion Matrices: Methods and Geometric Interpretations
von: Erbani, Johan, et al.
Veröffentlicht: (2025)

Tackling Data Heterogeneity in Federated Learning via Loss Decomposition
von: Zeng, Shuang, et al.
Veröffentlicht: (2024)

Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
von: Sabater, César, et al.
Veröffentlicht: (2025)

Federated Learning for the Design of Parametric Insurance Indices under Heterogeneous Renewable Production Losses
von: Niakh, Fallou
Veröffentlicht: (2026)

A Huber Loss Minimization Approach to Byzantine Robust Federated Learning
von: Zhao, Puning, et al.
Veröffentlicht: (2023)

Loss Gap Parity for Fairness in Heterogeneous Federated Learning
von: Erraji, Brahim, et al.
Veröffentlicht: (2026)

A Robust Clustered Federated Learning Approach for Non-IID Data with Quantity Skew
von: Ali, Michael Ben, et al.
Veröffentlicht: (2025)

Towards Robust Knowledge Removal in Federated Learning with High Data Heterogeneity
von: Santi, Riccardo, et al.
Veröffentlicht: (2025)

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity
von: Zhang, Sirui, et al.
Veröffentlicht: (2026)

GRANITE : a Byzantine-Resilient Dynamic Gossip Learning Framework
von: Belal, Yacine, et al.
Veröffentlicht: (2025)

On the Power of Adaptive Weighted Aggregation in Heterogeneous Federated Learning and Beyond
von: Zeng, Dun, et al.
Veröffentlicht: (2023)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

A Unified Geometric Framework for Weighted Contrastive Learning
von: Vock, Raphael, et al.
Veröffentlicht: (2026)

Benchmarking Data Heterogeneity Evaluation Approaches for Personalized Federated Learning
von: Li, Zhilong, et al.
Veröffentlicht: (2024)

Advances in Robust Federated Learning: A Survey with Heterogeneity Considerations
von: Chen, Chuan, et al.
Veröffentlicht: (2024)

Byzantine-Robust Federated Learning with Learnable Aggregation Weights
von: Parsa, Javad, et al.
Veröffentlicht: (2025)

A Comparative Study of Federated Learning Aggregation Strategies under Homogeneous and Heterogeneous Data Distributions
von: Makris, Antonios, et al.
Veröffentlicht: (2026)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

DOME: Improving Signal-to-Noise in Stochastic Gradient Descent via Sharp-Direction Subspace Filtering
von: Nicolas, Julien, et al.
Veröffentlicht: (2025)

Robust Federated Learning under Adversarial Attacks via Loss-Based Client Clustering
von: Kritharakis, Emmanouil, et al.
Veröffentlicht: (2025)

A Novel Algorithm for Personalized Federated Learning: Knowledge Distillation with Weighted Combination Loss
von: Hu, Hengrui, et al.
Veröffentlicht: (2025)

Robust Federated Learning with Confidence-Weighted Filtering and GAN-Based Completion under Noisy and Incomplete Data
von: Gokcen, Alpaslan, et al.
Veröffentlicht: (2025)

Topology-Independent Robustness of the Weighted Mean under Label Poisoning Attacks in Heterogeneous Decentralized Learning
von: Peng, Jie, et al.
Veröffentlicht: (2026)

FBFL: A Field-Based Coordination Approach for Data Heterogeneity in Federated Learning
von: Domini, Davide, et al.
Veröffentlicht: (2025)

Heterogeneity-Oblivious Robust Federated Learning
von: Zhang, Weiyao, et al.
Veröffentlicht: (2025)

Faster Convergence on Heterogeneous Federated Edge Learning: An Adaptive Clustered Data Sharing Approach
von: Hu, Gang, et al.
Veröffentlicht: (2024)

Tackling Resource-Constrained and Data-Heterogeneity in Federated Learning with Double-Weight Sparse Pack
von: Yang, Qiantao, et al.
Veröffentlicht: (2026)

Federated Online Learning for Heterogeneous Multisource Streaming Data
von: Li, Jingmao, et al.
Veröffentlicht: (2025)

Data Heterogeneity and Forgotten Labels in Split Federated Learning
von: Tirana, Joana, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning With Data and Client Heterogeneity
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2022)

Rethinking the initialization of Momentum in Federated Learning with Heterogeneous Data
von: Xiao, Chenguang, et al.
Veröffentlicht: (2024)

Sharp Bounds for Sequential Federated Learning on Heterogeneous Data
von: Li, Yipeng, et al.
Veröffentlicht: (2024)

Convergence Analysis of Sequential Federated Learning on Heterogeneous Data
von: Li, Yipeng, et al.
Veröffentlicht: (2023)

Robust Federated Learning on Edge Devices with Domain Heterogeneity
von: Le, Huy Q., et al.
Veröffentlicht: (2025)

On ADMM in Heterogeneous Federated Learning: Personalization, Robustness, and Fairness
von: Zhu, Shengkun, et al.
Veröffentlicht: (2024)

A Machine Learning Approach for Honey Adulteration Detection using Mineral Element Profiles
von: Al-Awadhi, Mokhtar A., et al.
Veröffentlicht: (2025)

FedGreed: A Byzantine-Robust Loss-Based Aggregation Method for Federated Learning
von: Kritharakis, Emmanouil, et al.
Veröffentlicht: (2025)

Distributionally Robust Federated Learning with Client Drift Minimization
von: Krouka, Mounssif, et al.
Veröffentlicht: (2025)

Riemannian Stochastic Optimization for Sufficient Dimension Reduction
von: Pautrel, Thibault, et al.
Veröffentlicht: (2026)

Federated Learning of Spiking Neural Networks under Heterogeneous Temporal Resolutions
von: Karilanova, Sanja, et al.
Veröffentlicht: (2026)