Buchumschlag

Quantized Rank Reduction: A Communications-Efficient Federated Learning Scheme for Network-Critical Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kritsiolis, Dimitrios, Kotropoulos, Constantine
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 Spectrogram Analysis in a Multiple Classifier Fusion Framework for Power Grid Classification Using Electric Network Frequency
von: Tzolopoulos, Georgios, et al.
Veröffentlicht: (2024)

AdaCubic: An Adaptive Cubic Regularization Optimizer for Deep Learning
von: Tsingalis, Ioannis, et al.
Veröffentlicht: (2026)

Scribe Verification in Chinese manuscripts using Siamese, Triplet, and Vision Transformer Neural Networks
von: Liakopoulos, Dimitrios-Chrysovalantis, et al.
Veröffentlicht: (2026)

Camera Model Identification Using Audio and Visual Content from Videos
von: Tsingalis, Ioannis, et al.
Veröffentlicht: (2024)

InterGridNet: An Electric Network Frequency Approach for Audio Source Location Classification Using Convolutional Neural Networks
von: Korgialas, Christos, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Rate-Constrained Quantization for Communication-Efficient Federated Learning
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

An Adaptive Clustering Scheme for Client Selections in Communication-Efficient Federated Learning
von: Chen, Yan-Ann, et al.
Veröffentlicht: (2025)

Personalizing Low-Rank Bayesian Neural Networks Via Federated Learning
von: Zhang, Boning, et al.
Veröffentlicht: (2024)

Communication-Efficient and Privacy-Adaptable Mechanism -- a Federated Learning Scheme with Convergence Analysis
von: Shiu, Chun Hei Michael, et al.
Veröffentlicht: (2026)

Communication-Efficient Federated Learning via Clipped Uniform Quantization
von: Bozorgasl, Zavareh, et al.
Veröffentlicht: (2024)

Accelerating Energy-Efficient Federated Learning in Cell-Free Networks with Adaptive Quantization
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2024)

The Panaceas for Improving Low-Rank Decomposition in Communication-Efficient Federated Learning
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

Quantization Dominates Rank Reduction for KV-Cache Compression
von: Salfati, Samuel
Veröffentlicht: (2026)

Communication-Efficient Gluon in Federated Learning
von: Qian, Xun, et al.
Veröffentlicht: (2026)

Quantized and Interpretable Learning Scheme for Deep Neural Networks in Classification Task
von: Maleki, Alireza, et al.
Veröffentlicht: (2024)

Communication-Efficient Personalized Federal Graph Learning via Low-Rank Decomposition
von: Liu, Ruyue, et al.
Veröffentlicht: (2024)

Growing Winning Subnetworks, Not Pruning Them: A Paradigm for Density Discovery in Sparse Neural Networks
von: Yao, Qihang, et al.
Veröffentlicht: (2025)

Efficient Asynchronous Federated Learning with Sparsification and Quantization
von: Jia, Juncheng, et al.
Veröffentlicht: (2023)

Quantization Impact on the Accuracy and Communication Efficiency Trade-off in Federated Learning for Aerospace Predictive Maintenance
von: Loukili, Abdelkarim
Veröffentlicht: (2026)

Communication-Efficient Federated Learning with Adaptive Number of Participants
von: Skorik, Sergey, et al.
Veröffentlicht: (2025)

Communication-Efficient and Privacy-Adaptable Mechanism for Federated Learning
von: Ling, Chih Wei, et al.
Veröffentlicht: (2025)

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

Communication-Efficient Federated Low-Rank Update Algorithm and its Connection to Implicit Regularization
von: Park, Haemin, et al.
Veröffentlicht: (2024)

Communication-Efficient Zero-Order and First-Order Federated Learning Methods over Wireless Networks
von: Assaad, Mohamad, et al.
Veröffentlicht: (2025)

Sample Compression Scheme Reductions
von: Attias, Idan, et al.
Veröffentlicht: (2024)

FedSparQ: Adaptive Sparse Quantization with Error Feedback for Robust & Efficient Federated Learning
von: Medjadji, Chaimaa, et al.
Veröffentlicht: (2025)

Low-Rank Correction for Quantized LLMs
von: Scetbon, Meyer, et al.
Veröffentlicht: (2024)

Rank Reduction Autoencoders
von: Mounayer, Jad, et al.
Veröffentlicht: (2024)

A Safe Deep Reinforcement Learning Approach for Energy Efficient Federated Learning in Wireless Communication Networks
von: Koursioumpas, Nikolaos, et al.
Veröffentlicht: (2023)

Provable Reduction in Communication Rounds for Non-Smooth Convex Federated Learning
von: Palenzuela, Karlo, et al.
Veröffentlicht: (2025)

Provably Communication-Efficient and Privacy-Preserving Federated Graph Neural Networks
von: Guo, Zhishuai, et al.
Veröffentlicht: (2026)

MiLo: Efficient Quantized MoE Inference with Mixture of Low-Rank Compensators
von: Huang, Beichen, et al.
Veröffentlicht: (2025)

TileQ: Efficient Low-Rank Quantization of Mixture-of-Experts with 2D Tiling
von: Gu, Hongyaoxing, et al.
Veröffentlicht: (2026)

Communication Efficient Adaptive Model-Driven Quantum Federated Learning
von: Gurung, Dev, et al.
Veröffentlicht: (2025)

An Efficient Federated Learning Framework for Training Semantic Communication System
von: Nguyen, Loc X., et al.
Veröffentlicht: (2023)

Efficient Federated Low Rank Matrix Completion
von: Abbasi, Ahmed Ali, et al.
Veröffentlicht: (2024)

FedHQ: Hybrid Runtime Quantization for Federated Learning
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

Ranking-based Client Selection with Imitation Learning for Efficient Federated Learning
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

H-FedSN: Personalized Sparse Networks for Efficient and Accurate Hierarchical Federated Learning for IoT Applications
von: Gao, Jiechao, et al.
Veröffentlicht: (2024)