Buchumschlag

Breaking the Aggregation Bottleneck in Federated Recommendation: A Personalized Model Merging Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jundong, Zhang, Honglei, Zhang, Chunxu, Luo, Fangyuan, Li, Yidong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Breaking the Capacity Bottleneck in Model-Heterogeneous Federated Learning via Gradual Model Restoration
von: Ma, Chengjie, et al.
Veröffentlicht: (2025)

One-Bit Model Aggregation for Differentially Private and Byzantine-Robust Personalized Federated Learning
von: Lan, Muhang, et al.
Veröffentlicht: (2025)

DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference
von: Wu, Yongtong, et al.
Veröffentlicht: (2026)

MAP: Model Aggregation and Personalization in Federated Learning with Incomplete Classes
von: Li, Xin-Chun, et al.
Veröffentlicht: (2024)

Communication-Efficient Model Aggregation with Layer Divergence Feedback in Federated Learning
von: Wang, Liwei, et al.
Veröffentlicht: (2024)

Federated Graph Learning with Graphless Clients
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

MPCPA: Multi-Center Privacy Computing with Predictions Aggregation based on Denoising Diffusion Probabilistic Model
von: Luo, Guibo, et al.
Veröffentlicht: (2024)

Divergence-Based Adaptive Aggregation for Byzantine Robust Federated Learning
von: Xiao, Bingnan, et al.
Veröffentlicht: (2026)

On Resilient and Efficient Linear Secure Aggregation in Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)

Hypernetworks for Model-Heterogeneous Personalized Federated Learning
von: Zhang, Chen, et al.
Veröffentlicht: (2025)

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

A Model-agnostic Strategy to Mitigate Embedding Degradation in Personalized Federated Recommendation
von: Shen, Jiakui, et al.
Veröffentlicht: (2025)

FedSSA: Semantic Similarity-based Aggregation for Efficient Model-Heterogeneous Personalized Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

Communication-and-Computation Efficient Split Federated Learning: Gradient Aggregation and Resource Management
von: Liang, Yipeng, et al.
Veröffentlicht: (2025)

DA-PFL: Dynamic Affinity Aggregation for Personalized Federated Learning
von: Yang, Xu, et al.
Veröffentlicht: (2024)

TACTFL: Temporal Contrastive Training for Multi-modal Federated Learning with Similarity-guided Model Aggregation
von: Sun, Guanxiong, et al.
Veröffentlicht: (2025)

Evaluation Framework for Centralized and Decentralized Aggregation Algorithm in Federated Systems
von: Chongder, Sumit
Veröffentlicht: (2025)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

W4A16 Mixed-Precision Matrix Multiplication on Decoupled Architecture: Kernel Design and Memory Bottleneck Analysis for Ascend NPUs
von: He, Yuanhong, et al.
Veröffentlicht: (2026)

Fine-Grained Vectorized Merge Sorting on RISC-V: From Register to Cache
von: Zhang, Jin, et al.
Veröffentlicht: (2024)

FedHERO: A Federated Learning Approach for Node Classification Task on Heterophilic Graphs
von: Chen, Zihan, et al.
Veröffentlicht: (2025)

FedAH: Aggregated Head for Personalized Federated Learning
von: Zhou, Pengzhan, et al.
Veröffentlicht: (2024)

Towards the Distributed Large-scale k-NN Graph Construction by Graph Merge
von: Zhang, Cheng, et al.
Veröffentlicht: (2025)

Robust Model Aggregation for Heterogeneous Federated Learning: Analysis and Optimizations
von: Shao, Yumeng, et al.
Veröffentlicht: (2024)

Decentralized Personalization for Federated Medical Image Segmentation via Gossip Contrastive Mutual Learning
von: Chen, Jingyun, et al.
Veröffentlicht: (2025)

FedPAW: Federated Learning with Personalized Aggregation Weights for Urban Vehicle Speed Prediction
von: He, Yuepeng, et al.
Veröffentlicht: (2024)

Generative Federated Learning for Smart Prediction and Recommendation Applications
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2025)

Robust Federated Fine-Tuning in Heterogeneous Networks with Unreliable Connections: An Aggregation View
von: Wang, Yanmeng, et al.
Veröffentlicht: (2025)

High-Efficiency Split Computing for Cooperative Edge Systems: A Novel Compressed Sensing Bottleneck
von: Zhong, Hailin, et al.
Veröffentlicht: (2025)

Flexible Personalized Split Federated Learning for On-Device Fine-Tuning of Foundation Models
von: Yuan, Tianjun, et al.
Veröffentlicht: (2025)

A Multi-Armed Bandit-Based Participant Selection Method for Federated Recommendation Systems
von: Liu, Jintao, et al.
Veröffentlicht: (2025)

EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control
von: Li, Xiaochen, et al.
Veröffentlicht: (2024)

Visualizing Distributed Traces in Aggregate
von: Samanta, Adrita, et al.
Veröffentlicht: (2024)

FDLoRA: Personalized Federated Learning of Large Language Model via Dual LoRA Tuning
von: QI, Jiaxing, et al.
Veröffentlicht: (2024)

HYDRA: Breaking the Global Ordering Barrier in Multi-BFT Consensus
von: Lyu, Hanzheng, et al.
Veröffentlicht: (2025)

An Experimental Study of Different Aggregation Schemes in Semi-Asynchronous Federated Learning
von: Li, Yunbo, et al.
Veröffentlicht: (2024)

Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

CroSatFL: Energy-Efficient Federated Learning with Cross-Aggregation for Satellite Edge Computing
von: Yang, Nan, et al.
Veröffentlicht: (2026)

Wait or Not to Wait: Evaluating Trade-Offs between Speed and Precision in Blockchain-based Federated Aggregation
von: Nguyen, Huong, et al.
Veröffentlicht: (2024)

ALANINE: A Novel Decentralized Personalized Federated Learning For Heterogeneous LEO Satellite Constellation
von: Zhao, Liang, et al.
Veröffentlicht: (2024)