Buchumschlag

FedNET: Federated Learning for Proactive Traffic Management and Network Capacity Planning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Panda, Saroj Kumar, Palit, Basabdatta, Behera, Sadananda
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

Trusted Repeater Placement in QKD-enabled Optical Networks
von: Marik, Arup Kumar, et al.
Veröffentlicht: (2025)

A Fair Federated Learning Framework for Collaborative Network Traffic Prediction and Resource Allocation
von: Panda, Saroj Kumar, et al.
Veröffentlicht: (2025)

A Lightweight QoS-Aware Resource Allocation Method for NR-V2X Networks
von: Saxena, Chitranshi, et al.
Veröffentlicht: (2024)

Benchmarking Federated Learning for Throughput Prediction in 5G Live Streaming Applications
von: Dutta, Yuvraj, et al.
Veröffentlicht: (2025)

Adaptive Federated Learning Defences via Trust-Aware Deep Q-Networks
von: Palit, Vedant
Veröffentlicht: (2025)

FedCau: A Proactive Stop Policy for Communication and Computation Efficient Federated Learning
von: Mahmoudi, Afsaneh, et al.
Veröffentlicht: (2022)

Fed-KAN: Federated Learning with Kolmogorov-Arnold Networks for Traffic Prediction
von: Zeydan, Engin, et al.
Veröffentlicht: (2025)

Federated Learning for Deforestation Detection: A Distributed Approach with Satellite Imagery
von: Dutta, Yuvraj, et al.
Veröffentlicht: (2025)

pFedGame -- Decentralized Federated Learning using Game Theory in Dynamic Topology
von: Behera, Monik Raj, et al.
Veröffentlicht: (2024)

FedPCA: Noise-Robust Fair Federated Learning via Performance-Capacity Analysis
von: Wu, Nannan, et al.
Veröffentlicht: (2025)

Fed-Credit: Robust Federated Learning with Credibility Management
von: Chen, Jiayan, et al.
Veröffentlicht: (2024)

IoT Malware Network Traffic Detection using Deep Learning and GraphSAGE Models
von: Prajapati, Nikesh, et al.
Veröffentlicht: (2025)

AutoFed: Personalized Federated Traffic Prediction via Adaptive Prompt
von: Zhao, Zijian, et al.
Veröffentlicht: (2025)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

Traffic Learning and Proactive UAV Trajectory Planning for Data Uplink in Markovian IoT Models
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2024)

FedScalar: Federated Learning with Scalar Communication for Bandwidth-Constrained Networks
von: Rostami, M., et al.
Veröffentlicht: (2024)

FedHybrid: Breaking the Memory Wall of Federated Learning via Hybrid Tensor Management
von: Tam, Kahou, et al.
Veröffentlicht: (2025)

FedAuxHMTL: Federated Auxiliary Hard-Parameter Sharing Multi-Task Learning for Network Edge Traffic Classification
von: Ahmed, Faisal, et al.
Veröffentlicht: (2024)

FedHide: Federated Learning by Hiding in the Neighbors
von: Park, Hyunsin, et al.
Veröffentlicht: (2024)

FedLLM: A Privacy-Preserving Federated Large Language Model for Explainable Traffic Flow Prediction
von: Kaur, Seerat, et al.
Veröffentlicht: (2026)

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

A QoS-Aware Uplink Spectrum and Power Allocation with Link Adaptation for Vehicular Communications in 5G networks
von: Thakur, Krishna Pal, et al.
Veröffentlicht: (2023)

FedHQ: Hybrid Runtime Quantization for Federated Learning
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

FedDuA: Doubly Adaptive Federated Learning
von: Takakura, Shokichi, et al.
Veröffentlicht: (2025)

FedIN: Federated Intermediate Layers Learning for Model Heterogeneity
von: Chan, Yun-Hin, et al.
Veröffentlicht: (2023)

FedQNN: Federated Learning using Quantum Neural Networks
von: Innan, Nouhaila, et al.
Veröffentlicht: (2024)

ChainLearn: A Blockchain-Based Capacity-Aware Framework for Federated Ensemble Learning
von: Sharma, Karan, et al.
Veröffentlicht: (2026)

Fed-BAC: Federated Bandit-Guided Additive Clustering in Hierarchical Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2026)

FedGES: A Federated Learning Approach for BN Structure Learning
von: Torrijos, Pablo, et al.
Veröffentlicht: (2025)

FedPID: An Aggregation Method for Federated Learning
von: Mächler, Leon, et al.
Veröffentlicht: (2024)

Fed-Listing: Federated Label Distribution Inference in Graph Neural Networks
von: Nakarmi, Suprim, et al.
Veröffentlicht: (2026)

FedDAPL: Toward Client-Private Generalization in Federated Learning
von: Loaliyan, Soroosh Safari, et al.
Veröffentlicht: (2025)

Fed-TGAN: Federated Learning Framework for Synthesizing Tabular Data
von: Zhao, Zilong, et al.
Veröffentlicht: (2021)

FedSPDnet: Geometry-Aware Federated Deep Learning with SPDnet
von: Pautrel, Thibault, et al.
Veröffentlicht: (2026)

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

H-FedSN: Personalized Sparse Networks for Efficient and Accurate Hierarchical Federated Learning for IoT Applications
von: Gao, Jiechao, et al.
Veröffentlicht: (2024)

Learning to Optimize Capacity Planning in Semiconductor Manufacturing
von: Andelfinger, Philipp, et al.
Veröffentlicht: (2025)

GraMFedDHAR: Graph Based Multimodal Differentially Private Federated HAR
von: Halder, Labani, et al.
Veröffentlicht: (2025)

Revised Regularization for Efficient Continual Learning through Correlation-Based Parameter Update in Bayesian Neural Networks
von: Palit, Sanchar, et al.
Veröffentlicht: (2024)

Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues
von: Kang, Xinyue, et al.
Veröffentlicht: (2026)