Buchumschlag

Degradation of Feature Space in Continual Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lanza, Chiara, Pereira, Roberto, Miozzo, Marco, Angelats, Eduard, Dini, Paolo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Measuring Data Similarity for Efficient Federated Learning: A Feasibility Study
von: Famá, Fernanda, et al.
Veröffentlicht: (2024)

Reinforcement Learning-based Adaptive Mitigation of Uncorrected DRAM Errors in the Field
von: Boixaderas, Isaac, et al.
Veröffentlicht: (2024)

Eliminating Domain Bias for Federated Learning in Representation Space
von: Zhang, Jianqing, et al.
Veröffentlicht: (2023)

Buffer-based Gradient Projection for Continual Federated Learning
von: Dai, Shenghong, et al.
Veröffentlicht: (2024)

Rehearsal-Free Continual Federated Learning with Synergistic Synaptic Intelligence
von: Li, Yichen, et al.
Veröffentlicht: (2024)

On the Convergence of Continual Federated Learning Using Incrementally Aggregated Gradients
von: Keshri, Satish Kumar, et al.
Veröffentlicht: (2024)

FedQHD: Closed-Form Function-Space Federated Reinforcement Learning
von: Hou, Yuchen, et al.
Veröffentlicht: (2026)

Navigating High-Degree Heterogeneity: Federated Learning in Aerial and Space Networks
von: Dong, Fan, et al.
Veröffentlicht: (2024)

Unleashing the Power of Continual Learning on Non-Centralized Devices: A Survey
von: Li, Yichen, et al.
Veröffentlicht: (2024)

SPD-CFL: Stepwise Parameter Dropout for Efficient Continual Federated Learning
von: Yang, Yuning, et al.
Veröffentlicht: (2024)

CaBaFL: Asynchronous Federated Learning via Hierarchical Cache and Feature Balance
von: Xia, Zeke, et al.
Veröffentlicht: (2024)

Using Diffusion Models as Generative Replay in Continual Federated Learning -- What will Happen?
von: Mei, Yongsheng, et al.
Veröffentlicht: (2024)

FLea: Addressing Data Scarcity and Label Skew in Federated Learning via Privacy-preserving Feature Augmentation
von: Xia, Tong, et al.
Veröffentlicht: (2024)

Federated Automated Feature Engineering
von: Overman, Tom, et al.
Veröffentlicht: (2024)

Knowledge-Aware Evolution for Streaming Federated Continual Learning with Category Overlap and without Task Identifiers
von: Tan, Sixing, et al.
Veröffentlicht: (2026)

Device Association and Resource Allocation for Hierarchical Split Federated Learning in Space-Air-Ground Integrated Network
von: Zhao, Haitao, et al.
Veröffentlicht: (2026)

Where is the Testbed for my Federated Learning Research?
von: Božič, Janez, et al.
Veröffentlicht: (2024)

A Machine Learning Approach Towards Runtime Optimisation of Matrix Multiplication
von: Xia, Yufan, et al.
Veröffentlicht: (2026)

Impact of network topology on the performance of Decentralized Federated Learning
von: Palmieri, Luigi, et al.
Veröffentlicht: (2024)

Federated Time Series Generation on Feature and Temporally Misaligned Data
von: Soi, Zhi Wen, et al.
Veröffentlicht: (2024)

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

FedQUIT: On-Device Federated Unlearning via a Quasi-Competent Virtual Teacher
von: Mora, Alessio, et al.
Veröffentlicht: (2024)

Robust and Communication-Efficient Federated Domain Adaptation via Random Features
von: Feng, Zhanbo, et al.
Veröffentlicht: (2023)

Scalable High-Dimensional Multivariate Linear Regression for Feature-Distributed Data
von: Huang, Shuo-Chieh, et al.
Veröffentlicht: (2023)

Decentralized Kernel Ridge Regression Based on Data-Dependent Random Feature
von: Yang, Ruikai, et al.
Veröffentlicht: (2024)

DecHW: Heterogeneous Decentralized Federated Learning Exploiting Second-Order Information
von: Ahmad, Adnan, et al.
Veröffentlicht: (2026)

Scaling State-Space Models on Multiple GPUs with Tensor Parallelism
von: Dutt, Anurag, et al.
Veröffentlicht: (2026)

Learn More by Using Less: Distributed Learning with Energy-Constrained Devices
von: Pereira, Roberto, et al.
Veröffentlicht: (2024)

MultiTASC++: A Continuously Adaptive Scheduler for Edge-Based Multi-Device Cascade Inference
von: Nikolaidis, Sokratis, et al.
Veröffentlicht: (2024)

Fed-BioMed: Open, Transparent and Trusted Federated Learning for Real-world Healthcare Applications
von: Cremonesi, Francesco, et al.
Veröffentlicht: (2023)

EcoLearn: Optimizing the Carbon Footprint of Federated Learning
von: Mehboob, Talha, et al.
Veröffentlicht: (2023)

High-Performance Serverless Computing: A Systematic Literature Review on Serverless for HPC, AI, and Big Data
von: Besozzi, Valerio, et al.
Veröffentlicht: (2026)

Towards a Flexible and High-Fidelity Approach to Distributed DNN Training Emulation
von: Liu, Banruo, et al.
Veröffentlicht: (2024)

Priority-Aware Preemptive Scheduling for Mixed-Priority Workloads in MoE Inference
von: Siavashi, Mohammad, et al.
Veröffentlicht: (2025)

Traversal Learning: A Lossless And Efficient Distributed Learning Framework
von: Batbaatar, Erdenebileg, et al.
Veröffentlicht: (2025)

Parallel-friendly Spatio-Temporal Graph Learning for Photovoltaic Degradation Analysis at Scale
von: Fan, Yangxin, et al.
Veröffentlicht: (2024)

DG-CoLearn: An Efficient Collaborative Learning Framework for Dynamic Graphs
von: Au, Ashley Hoi-Ting, et al.
Veröffentlicht: (2026)

Ranking-based Client Selection with Imitation Learning for Efficient Federated Learning
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning
von: Qin, Ruoyu, et al.
Veröffentlicht: (2025)