Buchumschlag

Evidential Trust-Aware Model Personalization in Decentralized Federated Learning for Wearable IoT

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rangwala, Murtaza, Sinnott, Richard O., Buyya, Rajkumar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

TrustMesh: A Blockchain-Enabled Trusted Distributed Computing Framework for Open Heterogeneous IoT Environments
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2024)

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

Network Structures as an Attack Surface: Topology-Based Privacy Leakage in Federated Learning
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2025)

DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning
von: Wang, Zhiyu, et al.
Veröffentlicht: (2026)

Differential Privacy for Secure Machine Learning in Healthcare IoT-Cloud Systems
von: Mangala, N, et al.
Veröffentlicht: (2025)

Incentive-Based Federated Learning: Architectural Elements and Future Directions
von: Kaluannakkage, Chanuka A. S. Hewa, et al.
Veröffentlicht: (2025)

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

A Knowledge Distillation-empowered Adaptive Federated Reinforcement Learning Framework for Multi-Domain IoT Applications Scheduling
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

Placement of Microservices-based IoT Applications in Fog Computing: A Taxonomy and Future Directions
von: Pallewatta, Samodha, et al.
Veröffentlicht: (2022)

FedSR: A Semi-Decentralized Federated Learning Algorithm for Non-IIDness in IoT System
von: Huang, Jianjun, et al.
Veröffentlicht: (2024)

TF-DDRL: A Transformer-enhanced Distributed DRL Technique for Scheduling IoT Applications in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

Generative Federated Learning for Smart Prediction and Recommendation Applications
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2025)

Sentinel: Dynamic Knowledge Distillation for Personalized Federated Intrusion Detection in Heterogeneous IoT Networks
von: Singh, Gurpreet, et al.
Veröffentlicht: (2025)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

A Joint Time and Energy-Efficient Federated Learning-based Computation Offloading Method for Mobile Edge Computing
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

Energy-Efficient Quantized Federated Learning for Resource-constrained IoT devices
von: Compaoré, Wilfrid Sougrinoma, et al.
Veröffentlicht: (2025)

BEFL: Balancing Energy Consumption in Federated Learning for Mobile Edge IoT
von: Ju, Zehao, et al.
Veröffentlicht: (2024)

Computation and Communication Efficient Lightweighting Vertical Federated Learning for Smart Building IoT
von: Wang, Heqiang, et al.
Veröffentlicht: (2024)

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

Trust-free Personalized Decentralized Learning
von: Li, Yawen, et al.
Veröffentlicht: (2024)

Harmonizing Generalization and Personalization in Ring-topology Decentralized Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

TRAIL: Trust-Aware Client Scheduling for Semi-Decentralized Federated Learning
von: Hu, Gangqiang, et al.
Veröffentlicht: (2024)

Federated Isolation Forest for Efficient Anomaly Detection on Edge IoT Systems
von: Vasiljevic, Pavle, et al.
Veröffentlicht: (2025)

A Decentralized Root Cause Localization Approach for Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2025)

Efficient Split Learning LSTM Models for FPGA-based Edge IoT Devices
von: Molina, Romina Soledad, et al.
Veröffentlicht: (2025)

Decentralized Federated Learning with Model Caching on Mobile Agents
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Peer-to-Peer Deep Learning for Beyond-5G IoT
von: Pranav, Srinivasa, et al.
Veröffentlicht: (2023)

Energy-Aware Decentralized Learning with Intermittent Model Training
von: Dhasade, Akash, et al.
Veröffentlicht: (2024)

A Risk-Aware UAV-Edge Service Framework for Wildfire Monitoring and Emergency Response
von: Huang, Yulun, et al.
Veröffentlicht: (2026)

Decentralized Directed Collaboration for Personalized Federated Learning
von: Liu, Yingqi, et al.
Veröffentlicht: (2024)

DistributedEstimator: Distributed Training of Quantum Neural Networks via Circuit Cutting
von: Singh, Prabhjot, et al.
Veröffentlicht: (2026)

Hypernetworks for Model-Heterogeneous Personalized Federated Learning
von: Zhang, Chen, et al.
Veröffentlicht: (2025)

Decentralized Personalized Federated Learning for Min-Max Problems
von: Borodich, Ekaterina, et al.
Veröffentlicht: (2021)

Split Learning-Enabled Framework for Secure and Light-weight Internet of Medical Things Systems
von: Sai, Siva, et al.
Veröffentlicht: (2025)

SAFL: Structure-Aware Personalized Federated Learning via Client-Specific Clustering and SCSI-Guided Model Pruning
von: Li, Nan, et al.
Veröffentlicht: (2025)

Stabilizing Decentralized Federated Fine-Tuning via Topology-Aware Alternating LoRA
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2026)

A Lightweight Federated Learning Approach for Privacy-Preserving Botnet Detection in IoT
von: Mahmoud, Taha M., et al.
Veröffentlicht: (2025)

Compressed Bayesian Federated Learning for Reliable Passive Radio Sensing in Industrial IoT
von: Barbieri, Luca, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Approach for Cost Optimized Workflow Scheduling in Cloud Computing Environments
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)