Buchumschlag

Trans-XFed: An Explainable Federated Learning for Supply Chain Credit Assessment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Jie, Siebes, Arno P. J. M., Mehrkanoon, Siamak
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Collaborative Batch Size Optimization for Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2025)

FedRandom: Sampling Consistent and Accurate Contribution Values in Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2026)

A Theoretical Framework for Graph-based Digital Twins for Supply Chain Management and Optimization
von: Wasi, Azmine Toushik, et al.
Veröffentlicht: (2025)

Prioritizing Modalities: Flexible Importance Scheduling in Federated Multimodal Learning
von: Bian, Jieming, et al.
Veröffentlicht: (2024)

Review of Mathematical Optimization in Federated Learning
von: Yang, Shusen, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Explainable Federated Learning
von: Zhang, Yanci, et al.
Veröffentlicht: (2025)

UniTrans: A Unified Vertical Federated Knowledge Transfer Framework for Enhancing Cross-Hospital Collaboration
von: Huang, Chung-ju, et al.
Veröffentlicht: (2025)

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

CAFE: Carbon-Aware Federated Learning in Geographically Distributed Data Centers
von: Bian, Jieming, et al.
Veröffentlicht: (2023)

Accelerating Hybrid Federated Learning Convergence under Partial Participation
von: Bian, Jieming, et al.
Veröffentlicht: (2023)

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

Achieving Linear Speedup in Asynchronous Federated Learning with Heterogeneous Clients
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

FedAL: Black-Box Federated Knowledge Distillation Enabled by Adversarial Learning
von: Han, Pengchao, et al.
Veröffentlicht: (2023)

Timely Parameter Updating in Over-the-Air Federated Learning
von: Zhu, Jiaqi, et al.
Veröffentlicht: (2025)

SMoFi: Step-wise Momentum Fusion for Split Federated Learning on Heterogeneous Data
von: Yang, Mingkun, et al.
Veröffentlicht: (2025)

Unlearning during Learning: An Efficient Federated Machine Unlearning Method
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

Towards Communication-efficient Federated Learning via Sparse and Aligned Adaptive Optimization
von: Deng, Xiumei, et al.
Veröffentlicht: (2024)

FedGMI: Generative Model-Driven Federated Learning for Probabilistic Mixture Inference
von: Hou, Qijun, et al.
Veröffentlicht: (2026)

Partial Federated Learning
von: Feng, Tiantian, et al.
Veröffentlicht: (2024)

BouquetFL: Emulating diverse participant hardware in Federated Learning
von: Geimer, Arno
Veröffentlicht: (2026)

Emerging Trends in Federated Learning: From Model Fusion to Federated X Learning
von: Ji, Shaoxiong, et al.
Veröffentlicht: (2021)

FedTrans: Efficient Federated Learning via Multi-Model Transformation
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

Bandwidth-Aware and Overlap-Weighted Compression for Communication-Efficient Federated Learning
von: Tang, Zichen, et al.
Veröffentlicht: (2024)

Resource Efficient Asynchronous Federated Learning for Digital Twin Empowered IoT Network
von: Chu, Shunfeng, et al.
Veröffentlicht: (2024)

Efficient Federated Learning against Byzantine Attacks and Data Heterogeneity via Aggregating Normalized Gradients
von: Zuo, Shiyuan, et al.
Veröffentlicht: (2024)

Speeding up Policy Simulation in Supply Chain RL
von: Farias, Vivek, et al.
Veröffentlicht: (2024)

Blockchain-Enabled Federated Learning
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

Federated Behavioural Planes: Explaining the Evolution of Client Behaviour in Federated Learning
von: Fenoglio, Dario, et al.
Veröffentlicht: (2024)

Beyond the Federation: Topology-aware Federated Learning for Generalization to Unseen Clients
von: Ma, Mengmeng, et al.
Veröffentlicht: (2024)

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

Buffer-based Gradient Projection for Continual Federated Learning
von: Dai, Shenghong, et al.
Veröffentlicht: (2024)

EcoLearn: Optimizing the Carbon Footprint of Federated Learning
von: Mehboob, Talha, et al.
Veröffentlicht: (2023)

Federated Learning on Stochastic Neural Networks
von: Tang, Jingqiao, et al.
Veröffentlicht: (2025)

Analytic Personalized Federated Meta-Learning
von: Gu, Shunxian, et al.
Veröffentlicht: (2025)

Orthogonal Calibration for Asynchronous Federated Learning
von: Zhang, Jiayun, et al.
Veröffentlicht: (2025)

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

Empowering Data Mesh with Federated Learning
von: Li, Haoyuan, et al.
Veröffentlicht: (2024)

Disentangling data distribution for Federated Learning
von: Zhao, Xinyuan, et al.
Veröffentlicht: (2024)

Balancing Similarity and Complementarity for Federated Learning
von: Yan, Kunda, et al.
Veröffentlicht: (2024)

Queuing dynamics of asynchronous Federated Learning
von: Leconte, Louis, et al.
Veröffentlicht: (2024)