Buchumschlag

Causal and Federated Multimodal Learning for Cardiovascular Risk Prediction under Heterogeneous Populations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kaushik, Rohit, Kaushik, Eva
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CutisAI: Deep Learning Framework for Automated Dermatology and Cancer Screening
von: Kaushik, Rohit, et al.
Veröffentlicht: (2026)

A Koopman-Bayesian Framework for High-Fidelity, Perceptually Optimized Haptic Surgical Simulation
von: Kaushik, Rohit, et al.
Veröffentlicht: (2026)

Exploring Adaptive Structure Learning for Heterophilic Graphs
von: Kaushik, Garv
Veröffentlicht: (2025)

Averaging Rate Scheduler for Decentralized Learning on Heterogeneous Data
von: Aketi, Sai Aparna, et al.
Veröffentlicht: (2024)

TOFU: Towards Obfuscated Federated Updates by Encoding Weight Updates into Gradients from Proxy Data
von: Garg, Isha, et al.
Veröffentlicht: (2022)

SADDLe: Sharpness-Aware Decentralized Deep Learning with Heterogeneous Data
von: Choudhary, Sakshi, et al.
Veröffentlicht: (2024)

Towards Robust Federated Multimodal Graph Learning under Modality Heterogeneity
von: Zhang, Sirui, et al.
Veröffentlicht: (2026)

zkFL-Health: Blockchain-Enabled Zero-Knowledge Federated Learning for Medical AI Privacy
von: Sharma, Savvy, et al.
Veröffentlicht: (2025)

OASIS: Online Activation Subspace Learning for Memory-Efficient Training
von: Choudhary, Sakshi, et al.
Veröffentlicht: (2026)

Auction-Based Online Policy Adaptation for Evolving Objectives
von: Shabadi, Guruprerana, et al.
Veröffentlicht: (2026)

KVLinC : KV Cache Quantization with Hadamard Rotation and Linear Correction
von: Saxena, Utkarsh, et al.
Veröffentlicht: (2025)

PPFL: A Personalized Federated Learning Framework for Heterogeneous Population
von: Di, Hao, et al.
Veröffentlicht: (2023)

Federated Causal Discovery Across Heterogeneous Datasets under Latent Confounding
von: Hahn, Maximilian, et al.
Veröffentlicht: (2026)

Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models
von: Lübeck, Frederike, et al.
Veröffentlicht: (2025)

Multimodal Cardiovascular Risk Profiling Using Self-Supervised Learning of Polysomnography
von: He, Zhengxiao, et al.
Veröffentlicht: (2025)

AdaGossip: Adaptive Consensus Step-size for Decentralized Deep Learning with Communication Compression
von: Aketi, Sai Aparna, et al.
Veröffentlicht: (2024)

Risk-Aware Accelerated Wireless Federated Learning with Heterogeneous Clients
von: Ads, Mohamed, et al.
Veröffentlicht: (2024)

The good, the bad and the ugly sides of data augmentation: An implicit spectral regularization perspective
von: Lin, Chi-Heng, et al.
Veröffentlicht: (2022)

Risk Prediction of Cardiovascular Disease for Diabetic Patients with Machine Learning and Deep Learning Techniques
von: Chowdhury, Esha
Veröffentlicht: (2025)

MANGO: Meta-Adaptive Network Gradient Optimization for Online Continual Learning
von: Awasthi, Ankita, et al.
Veröffentlicht: (2026)

Curvature Clues: Decoding Deep Learning Privacy with Input Loss Curvature
von: Ravikumar, Deepak, et al.
Veröffentlicht: (2024)

Prompt-Based Bias Calibration for Better Zero/Few-Shot Learning of Language Models
von: He, Kang, et al.
Veröffentlicht: (2024)

FedCVD++: Communication-Efficient Federated Learning for Cardiovascular Risk Prediction with Parametric and Non-Parametric Model Optimization
von: Gaber, Abdelrhman, et al.
Veröffentlicht: (2025)

Predicting Peak Stresses In Microstructured Materials Using Convolutional Encoder-Decoder Learning
von: Shrivastava, Ankit, et al.
Veröffentlicht: (2022)

BlendFL: Blended Federated Learning for Handling Multimodal Data Heterogeneity
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2025)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Personalized Federated Learning for Industrial Predictive Analytics
von: Hu, Yuhan, et al.
Veröffentlicht: (2026)

S-TLLR: STDP-inspired Temporal Local Learning Rule for Spiking Neural Networks
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2023)

Privacy-Preserving Federated Learning via Differential Privacy and Homomorphic Encryption for Cardiovascular Disease Risk Modeling
von: Sharma, Gaurang, et al.
Veröffentlicht: (2026)

A Robust Framework for Secure Cardiovascular Risk Prediction: An Architectural Case Study of Differentially Private Federated Learning
von: Tertulino, Rodrigo, et al.
Veröffentlicht: (2026)

MATE-Pred: Multimodal Attention-based TCR-Epitope interaction Predictor
von: Goffinet, Etienne, et al.
Veröffentlicht: (2023)

Multimodal Federated Learning in Healthcare: a Review
von: Thrasher, Jacob, et al.
Veröffentlicht: (2023)

Decomposing multimodal embedding spaces with group-sparse autoencoders
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2026)

Precise asymptotics of reweighted least-squares algorithms for linear diagonal networks
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2024)

Accelerated Smoothing: A Scalable Approach to Randomized Smoothing
von: Bhardwaj, Devansh, et al.
Veröffentlicht: (2024)

Coresets from Trajectories: Selecting Data via Correlation of Loss Differences
von: Nagaraj, Manish, et al.
Veröffentlicht: (2025)

A general technique for approximating high-dimensional empirical kernel matrices
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2025)

Federated Learning of Spiking Neural Networks under Heterogeneous Temporal Resolutions
von: Karilanova, Sanja, et al.
Veröffentlicht: (2026)

Stabilizing Federated Learning under Extreme Heterogeneity with HeteRo-Select
von: Masud, Md. Akmol, et al.
Veröffentlicht: (2025)

Advancing IIoT with Over-the-Air Federated Learning: The Role of Iterative Magnitude Pruning
von: Khan, Fazal Muhammad Ali, et al.
Veröffentlicht: (2024)