Buchumschlag

Federated Multi-Agent Reinforcement Learning for Privacy-Preserving and Energy-Aware Resource Management in 6G Edge Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Andong, Francisco Javier Esono Nkulu, Min, Qi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Energy-Efficient Federated Edge Learning For Small-Scale Datasets in Large IoT Networks
von: Xie, Haihui, et al.
Veröffentlicht: (2026)

Decentralized Fairness Aware Multi Task Federated Learning for VR Network
von: Tharakan, Krishnendu S., et al.
Veröffentlicht: (2025)

XAI-Driven Client Selection for Federated Learning in Scalable 6G Network Slicing
von: Chiarani, Martino, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning in Wireless Distributed Networks for 6G
von: Zhang, Jiayi, et al.
Veröffentlicht: (2025)

Energy Saving for Cell-Free Massive MIMO Networks: A Multi-Agent Deep Reinforcement Learning Approach
von: Wang, Qichen, et al.
Veröffentlicht: (2026)

Age-Aware Edge-Blind Federated Learning via Over-the-Air Aggregation
von: Elshazly, Ahmed M., et al.
Veröffentlicht: (2026)

Multi-Agent Deep Reinforcement Learning for Distributed Satellite Routing
von: Lozano-Cuadra, Federico, et al.
Veröffentlicht: (2024)

On Polynomial Approximations for Privacy-Preserving and Verifiable ReLU Networks
von: Ali, Ramy E., et al.
Veröffentlicht: (2020)

Explainable Semantic Federated Learning Enabled Industrial Edge Network for Fire Surveillance
von: Dong, Li, et al.
Veröffentlicht: (2024)

A Novel Deep Reinforcement Learning Method for Computation Offloading in Multi-User Mobile Edge Computing with Decentralization
von: Long, Nguyen Chi, et al.
Veröffentlicht: (2025)

Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning
von: Wen, Dingzhu, et al.
Veröffentlicht: (2025)

Quantum Key Distribution Secured Federated Learning for Channel Estimation and Radar Spectrum Sensing in 6G Networks
von: Catak, Ferhat Ozgur, et al.
Veröffentlicht: (2026)

Cooperative Multi-Agent Deep Reinforcement Learning Methods for UAV-aided Mobile Edge Computing Networks
von: Kim, Mintae, et al.
Veröffentlicht: (2024)

JCAS-MARL: Joint Communication and Sensing UAV Networks via Resource-Constrained Multi-Agent Reinforcement Learning
von: Guven, Islam, et al.
Veröffentlicht: (2026)

Providing Differential Privacy for Federated Learning Over Wireless: A Cross-layer Framework
von: Mao, Jiayu, et al.
Veröffentlicht: (2024)

Maximizing the Promptness of Metaverse Systems using Edge Computing by Deep Reinforcement Learning
von: Thi-Thanh, Tam Ninh, et al.
Veröffentlicht: (2025)

Multi-agent Reinforcement Learning for Energy Saving in Multi-Cell Massive MIMO Systems
von: Cai, Tianzhang, et al.
Veröffentlicht: (2024)

Average Reward Reinforcement Learning for Wireless Radio Resource Management
von: Yang, Kun, et al.
Veröffentlicht: (2025)

Battery-aware Cyclic Scheduling in Energy-harvesting Federated Learning
von: Jeong, Eunjeong, et al.
Veröffentlicht: (2025)

Joint Model Pruning and Resource Allocation for Wireless Time-triggered Federated Learning
von: Zhang, Xinlu, et al.
Veröffentlicht: (2024)

Privacy Against Agnostic Inference Attacks in Vertical Federated Learning
von: Varasteh, Morteza
Veröffentlicht: (2023)

Federated Dropout: Convergence Analysis and Resource Allocation
von: Xie, Sijing, et al.
Veröffentlicht: (2024)

Provably Efficient Information-Directed Sampling Algorithms for Multi-Agent Reinforcement Learning
von: Zhang, Qiaosheng, et al.
Veröffentlicht: (2024)

Rethinking Resource Management in Edge Learning: A Joint Pre-training and Fine-tuning Design Paradigm
von: Lyu, Zhonghao, et al.
Veröffentlicht: (2024)

Provable Privacy Advantages of Decentralized Federated Learning via Distributed Optimization
von: Yu, Wenrui, et al.
Veröffentlicht: (2024)

IRS-Enhanced Secure Semantic Communication Networks: Cross-Layer and Context-Awared Resource Allocation
von: Wang, Lingyi, et al.
Veröffentlicht: (2024)

Fair Resource Allocation For Hierarchical Federated Edge Learning in Space-Air-Ground Integrated Networks via Deep Reinforcement Learning with Hybrid Control
von: Huang, Chong, et al.
Veröffentlicht: (2024)

Computation-aware Energy-harvesting Federated Learning: Cyclic Scheduling with Selective Participation
von: Jeong, Eunjeong, et al.
Veröffentlicht: (2025)

Resource Allocation for XR with Edge Offloading: A Reinforcement Learning Approach
von: Duru, Alperen, et al.
Veröffentlicht: (2025)

On Statistical Estimation of Edge-Reinforced Random Walks
von: Qinghua, et al.
Veröffentlicht: (2025)

Deep Unfolded Fractional Optimization for Maximizing Robust Throughput in 6G Networks
von: Bui, Anh Thi, et al.
Veröffentlicht: (2026)

Over-the-Air Federated Learning: Rethinking Edge AI Through Signal Processing
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2025)

Privacy-Preserving Semantic Communications via Multi-Task Learning and Adversarial Perturbations
von: Sagduyu, Yalin E., et al.
Veröffentlicht: (2025)

Informationally Compressive Anonymization: Non-Degrading Sensitive Input Protection for Privacy-Preserving Supervised Machine Learning
von: Samuelson, Jeremy J
Veröffentlicht: (2026)

Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach
von: Hu, Chung-Hsuan, et al.
Veröffentlicht: (2024)

Energy-Efficient Edge Learning via Joint Data Deepening-and-Prefetching
von: Kook, Sujin, et al.
Veröffentlicht: (2024)

Scalable and Reliable Over-the-Air Federated Edge Learning
von: Egger, Maximilian, et al.
Veröffentlicht: (2024)

Dynamic Quality-Latency Aware Routing for LLM Inference in Wireless Edge-Device Networks
von: Bao, Rui, et al.
Veröffentlicht: (2025)

Asynchronous Risk-Aware Multi-Agent Packet Routing for Ultra-Dense LEO Satellite Networks
von: He, Ke, et al.
Veröffentlicht: (2025)

Perfect Privacy for Discriminator-Based Byzantine-Resilient Federated Learning
von: Xia, Yue, et al.
Veröffentlicht: (2025)