Buchumschlag

GraphFedMIG: Tackling Class Imbalance in Federated Graph Learning via Mutual Information-Guided Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xinrui, Fan, Qilin, Wang, Tianfu, Wei, Kaiwen, Yu, Ke, Zhang, Xu
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

FedGraph: A Research Library and Benchmark for Federated Graph Learning
von: Yao, Yuhang, et al.
Veröffentlicht: (2024)

Class-Imbalanced Graph Learning without Class Rebalancing
von: Liu, Zhining, et al.
Veröffentlicht: (2023)

Tackling the Local Bias in Federated Graph Learning
von: Zhang, Binchi, et al.
Veröffentlicht: (2021)

FedSat: A Statistical Aggregation Approach for Class Imbalanced Clients in Federated Learning
von: Chowdhury, Sujit, et al.
Veröffentlicht: (2024)

FedKPer: Tackling Generalization and Personalization in Medical Federated Learning via Knowledge Personalization
von: Fowler, Zoe, et al.
Veröffentlicht: (2026)

Transformers Provably Learn Directed Acyclic Graphs via Kernel-Guided Mutual Information
von: Cheng, Yuan, et al.
Veröffentlicht: (2025)

STAGE: Tackling Semantic Drift in Multimodal Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

Constructing Enhanced Mutual Information for Online Class-Incremental Learning
von: Zhang, Huan, et al.
Veröffentlicht: (2024)

FedAGHN: Personalized Federated Learning with Attentive Graph HyperNetworks
von: Song, Jiarui, et al.
Veröffentlicht: (2025)

FedGT: Federated Node Classification with Scalable Graph Transformer
von: Zhang, Zaixi, et al.
Veröffentlicht: (2024)

BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes
von: Wang, Qian, et al.
Veröffentlicht: (2024)

GraphIFE: Rethinking Graph Imbalance Node Classification via Invariant Learning
von: Zeng, Fanlong, et al.
Veröffentlicht: (2025)

Class-Imbalanced Complementary-Label Learning via Weighted Loss
von: Wei, Meng, et al.
Veröffentlicht: (2022)

Virtual Nodes Can Help: Tackling Distribution Shifts in Federated Graph Learning
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

FedRGL: Robust Federated Graph Learning for Label Noise
von: Li, De, et al.
Veröffentlicht: (2024)

LLM-Empowered Class Imbalanced Graph Prompt Learning for Online Drug Trafficking Detection
von: Ma, Tianyi, et al.
Veröffentlicht: (2025)

FedKL: Tackling Data Heterogeneity in Federated Reinforcement Learning by Penalizing KL Divergence
von: Xie, Zhijie, et al.
Veröffentlicht: (2022)

FedRC: Tackling Diverse Distribution Shifts Challenge in Federated Learning by Robust Clustering
von: Guo, Yongxin, et al.
Veröffentlicht: (2023)

Federated Learning and Class Imbalances
von: Zhu, Siqi, et al.
Veröffentlicht: (2026)

FedClust: Tackling Data Heterogeneity in Federated Learning through Weight-Driven Client Clustering
von: Islam, Md Sirajul, et al.
Veröffentlicht: (2024)

FedGTA: Topology-aware Averaging for Federated Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

FedGIG: Graph Inversion from Gradient in Federated Learning
von: Xiao, Tianzhe, et al.
Veröffentlicht: (2024)

FedSheafHN: Personalized Federated Learning on Graph-structured Data
von: Liang, Wenfei, et al.
Veröffentlicht: (2024)

FedIA: Towards Domain-Robust Aggregation in Federated Graph Learning
von: Zhou, Zhanting, et al.
Veröffentlicht: (2025)

FedDiverse: Tackling Data Heterogeneity in Federated Learning with Diversity-Driven Client Selection
von: Németh, Gergely D., et al.
Veröffentlicht: (2025)

Graph-Based Bidirectional Transformer Decision Threshold Adjustment Algorithm for Class-Imbalanced Molecular Data
von: Hayes, Nicole, et al.
Veröffentlicht: (2024)

Prototype-based Heterogeneous Federated Learning for Blade Icing Detection in Wind Turbines with Class Imbalanced Data
von: Qi, Lele, et al.
Veröffentlicht: (2025)

FedSSP: Federated Graph Learning with Spectral Knowledge and Personalized Preference
von: Tan, Zihan, et al.
Veröffentlicht: (2024)

FedMP: Tackling Medical Feature Heterogeneity in Federated Learning from a Manifold Perspective
von: Zhou, Zhekai, et al.
Veröffentlicht: (2025)

FedDES: Graph-Based Dynamic Ensemble Selection for Personalized Federated Learning
von: Mueller, Brianna, et al.
Veröffentlicht: (2026)

RABot: Reinforcement-Guided Graph Augmentation for Imbalanced and Noisy Social Bot Detection
von: Zhang, Longlong, et al.
Veröffentlicht: (2026)

Fed-GAME: Personalized Federated Learning with Graph Attention Mixture-of-Experts For Time-Series Forecasting
von: Li, Yi, et al.
Veröffentlicht: (2026)

When Noisy Labels Meet Class Imbalance on Graphs: A Graph Augmentation Method with LLM and Pseudo Label
von: Xia, Riting, et al.
Veröffentlicht: (2025)

FedMAC: Tackling Partial-Modality Missing in Federated Learning with Cross-Modal Aggregation and Contrastive Regularization
von: Nguyen, Manh Duong, et al.
Veröffentlicht: (2024)

Towards Effective and General Graph Unlearning via Mutual Evolution
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

Graph Embedded Intuitionistic Fuzzy Random Vector Functional Link Neural Network for Class Imbalance Learning
von: Ganaie, M. A., et al.
Veröffentlicht: (2023)

Generalization in Federated Learning: A Conditional Mutual Information Framework
von: Wang, Ziqiao, et al.
Veröffentlicht: (2025)

GraphSB: Boosting Imbalanced Node Classification on Graphs through Structural Balance
von: Wang, Zhixiao, et al.
Veröffentlicht: (2026)

On Homomorphic Encryption Based Strategies for Class Imbalance in Federated Learning
von: Guleria, Arpit, et al.
Veröffentlicht: (2024)

IGL-Bench: Establishing the Comprehensive Benchmark for Imbalanced Graph Learning
von: Qin, Jiawen, et al.
Veröffentlicht: (2024)