Buchumschlag

Owen Sampling Accelerates Contribution Estimation in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	KhademSohi, Hossein, Hemmati, Hadi, Zhou, Jiayu, Drew, Steve
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

FedVSR: Towards Model-Agnostic Federated Learning in Video Super-Resolution
von: Dehaghi, Ali Mollaahmadi, et al.
Veröffentlicht: (2025)

Lightweight and Robust Federated Data Valuation
von: Tang, Guojun, et al.
Veröffentlicht: (2025)

Topology-aware Federated Learning in Edge Computing: A Comprehensive Survey
von: Wu, Jiajun, et al.
Veröffentlicht: (2023)

FedGreen: Carbon-aware Federated Learning with Model Size Adaptation
von: Abbasi, Ali, et al.
Veröffentlicht: (2024)

Federated Learning Model Aggregation in Heterogenous Aerial and Space Networks
von: Dong, Fan, et al.
Veröffentlicht: (2023)

Navigating High-Degree Heterogeneity: Federated Learning in Aerial and Space Networks
von: Dong, Fan, et al.
Veröffentlicht: (2024)

FlakyFix: Using Large Language Models for Predicting Flaky Test Fix Categories and Test Code Repair
von: Fatima, Sakina, et al.
Veröffentlicht: (2023)

Enhancing Equitable Access to AI in Housing and Homelessness System of Care through Federated Learning
von: Taib, Musa, et al.
Veröffentlicht: (2024)

Structural Rationale Distillation via Reasoning Space Compression
von: Yang, Jialin, et al.
Veröffentlicht: (2026)

Multi-Task Learning Based on Support Vector Machines and Twin Support Vector Machines: A Comprehensive Survey
von: Bazikar, Fatemeh, et al.
Veröffentlicht: (2025)

Applications and Challenges of Fairness APIs in Machine Learning Software
von: Das, Ajoy, et al.
Veröffentlicht: (2025)

Semi-decentralized Federated Time Series Prediction with Client Availability Budgets
von: Bao, Yunkai, et al.
Veröffentlicht: (2025)

Revisiting Score Function Estimators for $k$-Subset Sampling
von: Wijk, Klas, et al.
Veröffentlicht: (2024)

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

Heterogeneous Federated Reinforcement Learning Using Wasserstein Barycenters
von: Pereira, Luiz, et al.
Veröffentlicht: (2025)

Client Contribution Normalization for Enhanced Federated Learning
von: Kundalwal, Mayank Kumar, et al.
Veröffentlicht: (2024)

Efficient Data Distribution Estimation for Accelerated Federated Learning
von: Wang, Yuanli, et al.
Veröffentlicht: (2024)

FSL-SAGE: Accelerating Federated Split Learning via Smashed Activation Gradient Estimation
von: Nair, Srijith, et al.
Veröffentlicht: (2025)

PeFLL: Personalized Federated Learning by Learning to Learn
von: Scott, Jonathan, et al.
Veröffentlicht: (2023)

How to Evaluate Participant Contributions in Decentralized Federated Learning
von: Anada, Honoka, et al.
Veröffentlicht: (2025)

Personalized Over-the-Air Federated Learning with Personalized Reconfigurable Intelligent Surfaces
von: Mao, Jiayu, et al.
Veröffentlicht: (2024)

Enhancing Convergence in Federated Learning: A Contribution-Aware Asynchronous Approach
von: Xu, Changxin, et al.
Veröffentlicht: (2024)

Redefining Contributions: Shapley-Driven Federated Learning
von: Tastan, Nurbek, et al.
Veröffentlicht: (2024)

Privacy Risks Analysis and Mitigation in Federated Learning for Medical Images
von: Das, Badhan Chandra, et al.
Veröffentlicht: (2023)

In-depth Analysis of Privacy Threats in Federated Learning for Medical Data
von: Das, Badhan Chandra, et al.
Veröffentlicht: (2024)

A Survey on Contribution Evaluation in Vertical Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

A Unified Linear Speedup Analysis of Federated Averaging and Nesterov FedAvg
von: Qu, Zhaonan, et al.
Veröffentlicht: (2020)

FedMuon: Accelerating Federated Learning with Matrix Orthogonalization
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

SplitFedZip: Learned Compression for Data Transfer Reduction in Split-Federated Learning
von: Shiranthika, Chamani, et al.
Veröffentlicht: (2024)

CO-PFL: Contribution-Oriented Personalized Federated Learning for Heterogeneous Networks
von: Xing, Ke, et al.
Veröffentlicht: (2025)

Contribution Evaluation of Heterogeneous Participants in Federated Learning via Prototypical Representations
von: Guo, Qi, et al.
Veröffentlicht: (2024)

Adaptive Client Sampling in Federated Learning via Online Learning with Bandit Feedback
von: Zhao, Boxin, et al.
Veröffentlicht: (2021)

Fast Rate Bounds for Multi-Task and Meta-Learning with Different Sample Sizes
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2025)

Data-Free Client Contribution Estimation via Logit Maximization for Federated Learning
von: Ukaye, Asim, et al.
Veröffentlicht: (2026)

Remaining-data-free Machine Unlearning by Suppressing Sample Contribution
von: Cheng, Xinwen, et al.
Veröffentlicht: (2024)

On the Volatility of Shapley-Based Contribution Metrics in Federated Learning
von: Geimer, Arno, et al.
Veröffentlicht: (2024)

Beyond performance-wise Contribution Evaluation in Federated Learning
von: Pejo, Balazs
Veröffentlicht: (2026)

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

Accelerated Portfolio Optimization and Option Pricing with Reinforcement Learning
von: Keramati, Hadi, et al.
Veröffentlicht: (2025)

Adaptive Sample Aggregation In Transfer Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)