Buchumschlag

Energy Efficient Federated Learning with Hyperdimensional Computing (HDC)

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Yahao, Yang, Yinchao, Wang, Jiaxiang, Liu, Zhonghao, Yang, Zhaohui, Chen, Mingzhe, Shikh-Bahaei, Mohammad
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Energy Efficient Federated Learning with Hyperdimensional Computing over Wireless Communication Networks
von: Ding, Yahao, et al.
Veröffentlicht: (2026)

Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse
von: Ding, Yahao, et al.
Veröffentlicht: (2024)

Communication-Computation Pipeline Parallel Split Learning over Wireless Edge Networks
von: Liu, Chenyu, et al.
Veröffentlicht: (2025)

CroSatFL: Energy-Efficient Federated Learning with Cross-Aggregation for Satellite Edge Computing
von: Yang, Nan, et al.
Veröffentlicht: (2026)

Energy-Efficient Wireless Federated Learning via Doubly Adaptive Quantization
von: Han, Xuefeng, 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)

Communication-Efficient Model Aggregation with Layer Divergence Feedback in Federated Learning
von: Wang, Liwei, et al.
Veröffentlicht: (2024)

FedUHD: Unsupervised Federated Learning using Hyperdimensional Computing
von: Lee, You Hak, et al.
Veröffentlicht: (2025)

DFedSat: Communication-Efficient and Robust Decentralized Federated Learning for LEO Satellite Constellations
von: Yang, Minghao, et al.
Veröffentlicht: (2024)

Communication-and-Computation Efficient Split Federated Learning: Gradient Aggregation and Resource Management
von: Liang, Yipeng, et al.
Veröffentlicht: (2025)

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

Torpor: GPU-Enabled Serverless Computing for Low-Latency, Resource-Efficient Inference
von: Yu, Minchen, et al.
Veröffentlicht: (2023)

FedCod: An Efficient Communication Protocol for Cross-Silo Federated Learning with Coding
von: Yan, Peishen, et al.
Veröffentlicht: (2024)

Optimizing Resource Allocation and Energy Efficiency in Federated Fog Computing for IoT
von: Shah, Syed Sarmad, et al.
Veröffentlicht: (2025)

Data Heterogeneity-Aware Client Selection for Federated Learning in Wireless Networks
von: Yang, Yanbing, et al.
Veröffentlicht: (2025)

Energy-efficient Federated Learning with Dynamic Model Size Allocation
von: Kumar, M S Chaitanya, et al.
Veröffentlicht: (2024)

Towards Energy-Efficient Serverless Computing with Hardware Isolation
von: Carl, Natalie, et al.
Veröffentlicht: (2025)

Toward Heterogeneous, Distributed, and Energy-Efficient Computing with SYCL
von: Cosenza, Biagio, et al.
Veröffentlicht: (2025)

An Efficient Approach for Energy Conservation in Cloud Computing Environment
von: Pande, Sohan Kumar, et al.
Veröffentlicht: (2025)

HLoRA: Efficient Federated Learning System for LLM Heterogeneous Fine-Tuning
von: Liu, Qianli, et al.
Veröffentlicht: (2025)

Federated Semi-Supervised and Semi-Asynchronous Learning for Anomaly Detection in IoT Networks
von: Zhai, Wenbin, et al.
Veröffentlicht: (2023)

An AD based library for Efficient Hessian and Hessian-Vector Product Computation on GPU
von: Ranjan, Desh, et al.
Veröffentlicht: (2024)

Towards Communication-Efficient Decentralized Federated Graph Learning over Non-IID Data
von: Wang, Shilong, et al.
Veröffentlicht: (2025)

COUNTER: Cluster GCN based Energy Efficient Resource Management for Sustainable Cloud Computing Environments
von: Wang, Han, et al.
Veröffentlicht: (2025)

Federated Learning of Large Language Models with Parameter-Efficient Prompt Tuning and Adaptive Optimization
von: Che, Tianshi, et al.
Veröffentlicht: (2023)

Efficient Model Compression for Hierarchical Federated Learning
von: Zhu, Xi, et al.
Veröffentlicht: (2024)

Flexible Personalized Split Federated Learning for On-Device Fine-Tuning of Foundation Models
von: Yuan, Tianjun, et al.
Veröffentlicht: (2025)

EPIC: An Energy-Efficient, High-Performance GPGPU Computing Research Infrastructure
von: Själander, Magnus, et al.
Veröffentlicht: (2019)

Energy-Efficient Federated Learning for Edge Real-Time Vision via Joint Data, Computation, and Communication Design
von: Hou, Xiangwang, et al.
Veröffentlicht: (2025)

Memory-Efficient Split Federated Learning for LLM Fine-Tuning on Heterogeneous Mobile Devices
von: Chen, Xiaopei, et al.
Veröffentlicht: (2025)

Efficient Routing of Inference Requests across LLM Instances in Cloud-Edge Computing
von: Yu, Shibo, et al.
Veröffentlicht: (2025)

ScalableHD: Scalable and High-Throughput Hyperdimensional Computing Inference on Multi-Core CPUs
von: Parikh, Dhruv, et al.
Veröffentlicht: (2025)

BFLN: A Blockchain-based Federated Learning Model for Non-IID Data
von: Li, Yang, et al.
Veröffentlicht: (2024)

A Transverse-Read-assisted Fast Valid-Bits Collection in Stochastic Computing MACs for Energy-Efficient in-RTM DNNs
von: Wang, Jihe, et al.
Veröffentlicht: (2024)

ReinFog: A Deep Reinforcement Learning Empowered Framework for Resource Management in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

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

Heterogeneity-Aware Memory Efficient Federated Learning via Progressive Layer Freezing
von: Yebo, Wu, et al.
Veröffentlicht: (2024)

On Resilient and Efficient Linear Secure Aggregation in Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)

Air-FedGA: A Grouping Asynchronous Federated Learning Mechanism Exploiting Over-the-air Computation
von: Ma, Qianpiao, et al.
Veröffentlicht: (2025)

Energy-Efficient Real-Time Job Mapping and Resource Management in Mobile-Edge Computing
von: Gao, Chuanchao, et al.
Veröffentlicht: (2025)