Buchumschlag

Fast AI Model Partition for Split Learning over Edge Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zuguang, Wu, Wen, Wu, Shaohua, Xuemin, Shen
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

Adaptive Split Learning over Energy-Constrained Wireless Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

Split Knowledge Distillation for Large Models in IoT: Architecture, Challenges, and Solutions
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

Energy-Efficient Split Learning for Fine-Tuning Large Language Models in Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

Mobility-Aware Federated Learning: Multi-Armed Bandit Based Selection in Vehicular Network
von: Tu, Haoyu, et al.
Veröffentlicht: (2024)

GraphEdge: Dynamic Graph Partition and Task Scheduling for GNNs Computing in Edge Network
von: Xiao, Wenjing, et al.
Veröffentlicht: (2025)

Fast and Exact Enumeration of Deep Networks Partitions Regions
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Adaptive Layer Splitting for Wireless LLM Inference in Edge Computing: A Model-Based Reinforcement Learning Approach
von: Chen, Yuxuan, et al.
Veröffentlicht: (2024)

Joint Optimization of Resource Allocation and Data Selection for Fast and Cost-Efficient Federated Edge Learning
von: Jia, Yunjian, et al.
Veröffentlicht: (2024)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Resource-Efficient Generative AI Model Deployment in Mobile Edge Networks
von: Liang, Yuxin, et al.
Veröffentlicht: (2024)

Incentivizing Multi-Tenant Split Federated Learning for Foundation Models at the Network Edge
von: Li, Songyuan, et al.
Veröffentlicht: (2025)

Synthesize, Partition, then Adapt: Eliciting Diverse Samples from Foundation Models
von: Wen, Yeming, et al.
Veröffentlicht: (2024)

FastGAS: Fast Graph-based Annotation Selection for In-Context Learning
von: Chen, Zihan, et al.
Veröffentlicht: (2024)

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

Collaborative Edge AI Inference over Cloud-RAN
von: Zhang, Pengfei, et al.
Veröffentlicht: (2024)

Hetero-SplitEE: Split Learning of Neural Networks with Early Exits for Heterogeneous IoT Devices
von: Oda, Yuki, et al.
Veröffentlicht: (2025)

LEO-Split: A Semi-Supervised Split Learning Framework over LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Fast and Interpretable Mixed-Integer Linear Program Solving by Learning Model Reduction
von: Li, Yixuan, et al.
Veröffentlicht: (2024)

ASFL: An Adaptive Model Splitting and Resource Allocation Framework for Split Federated Learning
von: Meng, Chuiyang, et al.
Veröffentlicht: (2026)

AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

Physics-inspired Energy Transition Neural Network for Sequence Learning
von: Wu, Zhou, et al.
Veröffentlicht: (2025)

Cooperative Edge Caching Based on Elastic Federated and Multi-Agent Deep Reinforcement Learning in Next-Generation Network
von: Wu, Qiong, et al.
Veröffentlicht: (2024)

Edge Graph Intelligence: Reciprocally Empowering Edge Networks with Graph Intelligence
von: Zeng, Liekang, et al.
Veröffentlicht: (2024)

Long and Short-Term Constraints Driven Safe Reinforcement Learning for Autonomous Driving
von: Hu, Xuemin, et al.
Veröffentlicht: (2024)

EdgeAgentX-DT: Integrating Digital Twins and Generative AI for Resilient Edge Intelligence in Tactical Networks
von: Ray, Abir
Veröffentlicht: (2025)

Riemannian Networks over Full-Rank Correlation Matrices
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)

Explainability and Continual Learning meet Federated Learning at the Network Edge
von: Tsouparopoulos, Thomas, et al.
Veröffentlicht: (2025)

SplitQuant: Layer Splitting for Low-Bit Neural Network Quantization
von: Song, Jaewoo, et al.
Veröffentlicht: (2025)

Adaptive and Parallel Split Federated Learning in Vehicular Edge Computing
von: Qiang, Xianke, et al.
Veröffentlicht: (2024)

HO-SFL: Hybrid-Order Split Federated Learning with Backprop-Free Clients and Dimension-Free Aggregation
von: Chen, Qiyuan, et al.
Veröffentlicht: (2026)

Verified Safe Reinforcement Learning for Neural Network Dynamic Models
von: Wu, Junlin, et al.
Veröffentlicht: (2024)

Symbolic State Partitioning for Reinforcement Learning
von: Ghaffari, Mohsen, et al.
Veröffentlicht: (2024)

Fate: Fast Edge Inference of Mixture-of-Experts Models via Cross-Layer Gate
von: Fang, Zhiyuan, et al.
Veröffentlicht: (2025)

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs
von: Guo, Xingzhi, et al.
Veröffentlicht: (2024)

Towards Optimal Customized Architecture for Heterogeneous Federated Learning with Contrastive Cloud-Edge Model Decoupling
von: Chen, Xingyan, et al.
Veröffentlicht: (2024)

AI Flow at the Network Edge
von: Shao, Jiawei, et al.
Veröffentlicht: (2024)

Scaling up Dynamic Edge Partition Models via Stochastic Gradient MCMC
von: Yang, Sikun, et al.
Veröffentlicht: (2024)

ADEdgeDrop: Adversarial Edge Dropping for Robust Graph Neural Networks
von: Chen, Zhaoliang, et al.
Veröffentlicht: (2024)

Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs
von: Dong, Zihan, et al.
Veröffentlicht: (2026)

Fast-DataShapley: Neural Modeling for Training Data Valuation
von: Sun, Haifeng, et al.
Veröffentlicht: (2025)