Buchumschlag

Hetero-SplitEE: Split Learning of Neural Networks with Early Exits for Heterogeneous IoT Devices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oda, Yuki, Ono, Yuta, Nakamura, Hiroshi, Takase, Hideki
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring the Possibility of TypiClust for Low-Budget Federated Active Learning
von: Ono, Yuta, et al.
Veröffentlicht: (2025)

I-SplitEE: Image classification in Split Computing DNNs with Early Exits
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2024)

DistrEE: Distributed Early Exit of Deep Neural Network Inference on Edge Devices
von: Peng, Xian, et al.
Veröffentlicht: (2025)

SplitFrozen: Split Learning with Device-side Model Frozen for Fine-Tuning LLM on Heterogeneous Resource-Constrained Devices
von: Ma, Jian, et al.
Veröffentlicht: (2025)

Split Knowledge Distillation for Large Models in IoT: Architecture, Challenges, and Solutions
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

SplitQuant: Layer Splitting for Low-Bit Neural Network Quantization
von: Song, Jaewoo, et al.
Veröffentlicht: (2025)

FedCCA: Client-Centric Adaptation against Data Heterogeneity in Federated Learning on IoT Devices
von: Wang, Kaile, et al.
Veröffentlicht: (2026)

Early-Exit Neural Networks with Nested Prediction Sets
von: Jazbec, Metod, et al.
Veröffentlicht: (2023)

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

Attention Consistency Regularization for Interpretable Early-Exit Neural Networks
von: Zhao, Yanhua
Veröffentlicht: (2026)

AEBNAS: Strengthening Exit Branches in Early-Exit Networks through Hardware-Aware Neural Architecture Search
von: Robben, Oscar, et al.
Veröffentlicht: (2025)

On-Sensor Convolutional Neural Networks with Early-Exits
von: Shalby, Hazem Hesham Yousef, et al.
Veröffentlicht: (2025)

Bridging Efficiency and Safety: Formal Verification of Neural Networks with Early Exits
von: Elboher, Yizhak Yisrael, et al.
Veröffentlicht: (2025)

ESFL: Efficient Split Federated Learning over Resource-Constrained Heterogeneous Wireless Devices
von: Zhu, Guangyu, et al.
Veröffentlicht: (2024)

EE-Tuning: An Economical yet Scalable Solution for Tuning Early-Exit Large Language Models
von: Pan, Xuchen, et al.
Veröffentlicht: (2024)

Modality as Heterogeneity: Node Splitting and Graph Rewiring for Multimodal Graph Learning
von: Zhang, Yihan, et al.
Veröffentlicht: (2026)

Temporal Decisions: Leveraging Temporal Correlation for Efficient Decisions in Early Exit Neural Networks
von: Sponner, Max, et al.
Veröffentlicht: (2024)

P3SL: Personalized Privacy-Preserving Split Learning on Heterogeneous Edge Devices
von: Fan, Wei, et al.
Veröffentlicht: (2025)

DevPiolt: Operation Recommendation for IoT Devices at Xiaomi Home
von: Wang, Yuxiang, et al.
Veröffentlicht: (2025)

Adversarial Attacks to Latent Representations of Distributed Neural Networks in Split Computing
von: Zhang, Milin, et al.
Veröffentlicht: (2023)

Recommending Pre-Trained Models for IoT Devices
von: Patil, Parth V., et al.
Veröffentlicht: (2024)

Split Federated Learning Over Heterogeneous Edge Devices: Algorithm and Optimization
von: Sun, Yunrui, et al.
Veröffentlicht: (2024)

ASFL: An Adaptive Model Splitting and Resource Allocation Framework for Split Federated Learning
von: Meng, Chuiyang, et al.
Veröffentlicht: (2026)

Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals
von: Kimura, Tomoyoshi, et al.
Veröffentlicht: (2026)

SPARQ: Spiking Early-Exit Neural Networks for Energy-Efficient Edge AI
von: Patne, Parth, et al.
Veröffentlicht: (2026)

HealSplit: Towards Self-Healing through Adversarial Distillation in Split Federated Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2025)

Beyond Greedy Exits: Improved Early Exit Decisions for Risk Control and Reliability
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2025)

HARMONY: Bridging the Personalization-Generalization Gap by Mitigating Representation Skew in Heterogeneous Split Federated Learning
von: Youn, Jiseok, et al.
Veröffentlicht: (2026)

DTMM: Deploying TinyML Models on Extremely Weak IoT Devices with Pruning
von: Han, Lixiang, et al.
Veröffentlicht: (2024)

S-GRPO: Early Exit via Reinforcement Learning in Reasoning Models
von: Dai, Muzhi, et al.
Veröffentlicht: (2025)

A Gap in Time: The Challenge of Processing Heterogeneous IoT Data in Digitalized Buildings
von: Lin, Xiachong, et al.
Veröffentlicht: (2024)

Efficient Post-Training Augmentation for Adaptive Inference in Heterogeneous and Distributed IoT Environments
von: Sponner, Max, et al.
Veröffentlicht: (2024)

SplitLoRA: Balancing Stability and Plasticity in Continual Learning Through Gradient Space Splitting
von: Qiu, Haomiao, et al.
Veröffentlicht: (2025)

Fast AI Model Partition for Split Learning over Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2025)

BaB-prob: Branch and Bound with Preactivation Splitting for Probabilistic Verification of Neural Networks
von: Wang, Fangji, et al.
Veröffentlicht: (2025)

Convergence Rate Maximization for Split Learning-based Control of EMG Prosthetic Devices
von: Marinova, Matea, et al.
Veröffentlicht: (2024)

EE-LLM: Large-Scale Training and Inference of Early-Exit Large Language Models with 3D Parallelism
von: Chen, Yanxi, et al.
Veröffentlicht: (2023)

Decoupled Split Learning via Auxiliary Loss
von: Zihad, Anower, et al.
Veröffentlicht: (2026)

Real-Time Bus Departure Prediction Using Neural Networks for Smart IoT Public Bus Transit
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

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