Buchumschlag

Taming Preconditioner Drift: Unlocking the Potential of Second-Order Optimizers for Federated Learning on Non-IID Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Junkang, Shang, Fanhua, Liu, Hongying, Liu, Jin, An, Weixin, Liu, Yuanyuan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedNSAM:Consistency of Local and Global Flatness for Federated Learning
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

FedMuon: Accelerating Federated Learning with Matrix Orthogonalization
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

FedBCD:Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

FedAdamW: A Communication-Efficient Optimizer with Convergence and Generalization Guarantees for Federated Large Models
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

DP-FedPGN: Finding Global Flat Minima for Differentially Private Federated Learning via Penalizing Gradient Norm
von: Liu, Junkang, et al.
Veröffentlicht: (2025)

FedSWA: Improving Generalization in Federated Learning with Highly Heterogeneous Data via Momentum-Based Stochastic Controlled Weight Averaging
von: junkang, Liu, et al.
Veröffentlicht: (2025)

ILoRA: Federated Learning with Low-Rank Adaptation for Heterogeneous Client Aggregation
von: Zhou, Junchao, et al.
Veröffentlicht: (2025)

DP-FedAdamW: An Efficient Optimizer for Differentially Private Federated Large Models
von: Liu, Jin, et al.
Veröffentlicht: (2026)

Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

Mitigating Non-IID Drift in Zeroth-Order Federated LLM Fine-Tuning with Transferable Sparsity
von: Ran, Yide, et al.
Veröffentlicht: (2025)

Rethinking LoRA for Privacy-Preserving Federated Learning in Large Models
von: Liu, Jin, et al.
Veröffentlicht: (2026)

AFCL: Analytic Federated Continual Learning for Spatio-Temporal Invariance of Non-IID Data
von: Tang, Jianheng, et al.
Veröffentlicht: (2025)

Few-Shot Class-Incremental Learning with Non-IID Decentralized Data
von: Liu, Cuiwei, et al.
Veröffentlicht: (2024)

Federated Loss Exploration for Improved Convergence on Non-IID Data
von: Internò, Christian, et al.
Veröffentlicht: (2025)

Taming the Instability: A Robust Second-Order Optimizer for Federated Learning over Non-IID Data
von: Zhang, Yuanqiao, et al.
Veröffentlicht: (2026)

Understanding Federated Learning from IID to Non-IID dataset: An Experimental Study
von: Seo, Jungwon, et al.
Veröffentlicht: (2025)

Long-Term Client Selection for Federated Learning with Non-IID Data: A Truthful Auction Approach
von: Tan, Jinghong, et al.
Veröffentlicht: (2025)

A Thorough Assessment of the Non-IID Data Impact in Federated Learning
von: Jimenez-Gutierrez, Daniel M., et al.
Veröffentlicht: (2025)

Dataset Distillation-based Hybrid Federated Learning on Non-IID Data
von: Shi, Xiufang, et al.
Veröffentlicht: (2024)

Learning Critically: Selective Self Distillation in Federated Learning on Non-IID Data
von: He, Yuting, et al.
Veröffentlicht: (2025)

MultiConfederated Learning: Inclusive Non-IID Data handling with Decentralized Federated Learning
von: Duchesne, Michael, et al.
Veröffentlicht: (2024)

Probabilistic Federated Prompt-Tuning with Non-IID and Imbalanced Data
von: Weng, Pei-Yau, et al.
Veröffentlicht: (2025)

Evaluating Federated Kolmogorov-Arnold Networks on Non-IID Data
von: Sasse, Arthur Mendonça, et al.
Veröffentlicht: (2024)

A Robust Clustered Federated Learning Approach for Non-IID Data with Quantity Skew
von: Ali, Michael Ben, et al.
Veröffentlicht: (2025)

TriplePlay: Enhancing Federated Learning with CLIP for Non-IID Data and Resource Efficiency
von: Imteaj, Ahmed, et al.
Veröffentlicht: (2024)

OvA-LP: A Simple and Efficient Framework for Federated Learning on Non-IID Data
von: Park, Dongjin, et al.
Veröffentlicht: (2025)

Tackling the Non-IID Issue in Heterogeneous Federated Learning by Gradient Harmonization
von: Zhang, Xinyu, et al.
Veröffentlicht: (2023)

Decoupled Federated Learning on Long-Tailed and Non-IID data with Feature Statistics
von: Chen, Zhuoxin, et al.
Veröffentlicht: (2024)

Federated Active Learning Under Extreme Non-IID and Global Class Imbalance
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2026)

Generalizable Hyperparameter Optimization for Federated Learning on Non-IID Cancer Images
von: Ribeiro, Elisa Gonçalves, et al.
Veröffentlicht: (2026)

FedCoSR: Personalized Federated Learning with Contrastive Shareable Representations for Label Heterogeneity in Non-IID Data
von: Huang, Chenghao, et al.
Veröffentlicht: (2024)

Stable Diffusion-based Data Augmentation for Federated Learning with Non-IID Data
von: Morafah, Mahdi, et al.
Veröffentlicht: (2024)

Personalizing Federated Learning for Hierarchical Edge Networks with Non-IID Data
von: Lee, Seunghyun, et al.
Veröffentlicht: (2025)

FederatedFactory: Generative One-Shot Learning for Extremely Non-IID Distributed Scenarios
von: Moleri, Andrea, et al.
Veröffentlicht: (2026)

Federated Proximal Optimization for Privacy-Preserving Heart Disease Prediction: A Controlled Simulation Study on Non-IID Clinical Data
von: Asad, Farzam, et al.
Veröffentlicht: (2026)

Logit Calibration and Feature Contrast for Robust Federated Learning on Non-IID Data
von: Qiao, Yu, et al.
Veröffentlicht: (2024)

VARS-FL: Validation-Aligned Client Selection for Non-IID Federated Learning in IoT Systems
von: Lakas, Mohamed, et al.
Veröffentlicht: (2026)

Multi-Modal Federated Learning for Cancer Staging over Non-IID Datasets with Unbalanced Modalities
von: Borazjani, Kasra, et al.
Veröffentlicht: (2024)

Towards stable training of parallel continual learning
von: Yuepan, Li, et al.
Veröffentlicht: (2024)

Federated Knowledge Graph Unlearning via Diffusion Model
von: Liu, Bingchen, et al.
Veröffentlicht: (2024)