Buchumschlag

FedNSAM:Consistency of Local and Global Flatness for Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Junkang, Shang, Fanhua, Tian, Yuxuan, Liu, Hongying, 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

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

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)

Taming Preconditioner Drift: Unlocking the Potential of Second-Order Optimizers for Federated Learning on Non-IID Data
von: Liu, Junkang, et al.
Veröffentlicht: (2026)

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

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

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

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

FedTrans: Efficient Federated Learning via Multi-Model Transformation
von: Zhu, Yuxuan, et al.
Veröffentlicht: (2024)

FedEGG: Federated Learning with Explicit Global Guidance
von: Zhai, Kun, et al.
Veröffentlicht: (2024)

CEPerFed: Communication-Efficient Personalized Federated Learning for Multi-Pulse MRI Classification
von: Li, Ludi, et al.
Veröffentlicht: (2025)

FedLPA: One-shot Federated Learning with Layer-Wise Posterior Aggregation
von: Liu, Xiang, et al.
Veröffentlicht: (2023)

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

FedLoGe: Joint Local and Generic Federated Learning under Long-tailed Data
von: Xiao, Zikai, et al.
Veröffentlicht: (2024)

Fed-Credit: Robust Federated Learning with Credibility Management
von: Chen, Jiayan, et al.
Veröffentlicht: (2024)

FedFixer: Mitigating Heterogeneous Label Noise in Federated Learning
von: Ji, Xinyuan, et al.
Veröffentlicht: (2024)

GLOCALFAIR: Jointly Improving Global and Local Group Fairness in Federated Learning
von: Meerza, Syed Irfan Ali, et al.
Veröffentlicht: (2024)

FedProphet: Memory-Efficient Federated Adversarial Training via Robust and Consistent Cascade Learning
von: Tang, Minxue, et al.
Veröffentlicht: (2024)

FedSDR: Federated Self-Distillation with Rectification
von: Ren, Ziheng, et al.
Veröffentlicht: (2026)

FedMP: Tackling Medical Feature Heterogeneity in Federated Learning from a Manifold Perspective
von: Zhou, Zhekai, et al.
Veröffentlicht: (2025)

FedRS-Bench: Realistic Federated Learning Datasets and Benchmarks in Remote Sensing
von: Zhao, Haodong, et al.
Veröffentlicht: (2025)

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

FedMobile: Enabling Knowledge Contribution-aware Multi-modal Federated Learning with Incomplete Modalities
von: Liu, Yi, et al.
Veröffentlicht: (2025)

FedConv: A Learning-on-Model Paradigm for Heterogeneous Federated Clients
von: Shen, Leming, et al.
Veröffentlicht: (2025)

AutoFed: Personalized Federated Traffic Prediction via Adaptive Prompt
von: Zhao, Zijian, et al.
Veröffentlicht: (2025)

FedConPE: Efficient Federated Conversational Bandits with Heterogeneous Clients
von: Li, Zhuohua, et al.
Veröffentlicht: (2024)

FedRG: Unleashing the Representation Geometry for Federated Learning with Noisy Clients
von: Wen, Tian, et al.
Veröffentlicht: (2026)

FedPaI: Achieving Extreme Sparsity in Federated Learning via Pruning at Initialization
von: Wang, Haonan, et al.
Veröffentlicht: (2025)

FedSI: Federated Subnetwork Inference for Efficient Uncertainty Quantification
von: Chen, Hui, et al.
Veröffentlicht: (2024)

FedImpro: Measuring and Improving Client Update in Federated Learning
von: Tang, Zhenheng, et al.
Veröffentlicht: (2024)

Personalized Federated Learning for Spatio-Temporal Forecasting: A Dual Semantic Alignment-Based Contrastive Approach
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

FedHL: Federated Learning for Heterogeneous Low-Rank Adaptation via Unbiased Aggregation
von: Peng, Zihao, et al.
Veröffentlicht: (2025)

Elastic Multi-Gradient Descent for Parallel Continual Learning
von: Lyu, Fan, et al.
Veröffentlicht: (2024)

FedGTST: Boosting Global Transferability of Federated Models via Statistics Tuning
von: Ma, Evelyn, et al.
Veröffentlicht: (2024)

Fair Federated Learning under Domain Skew with Local Consistency and Domain Diversity
von: Chen, Yuhang, et al.
Veröffentlicht: (2024)

FedBWO: Enhancing Communication Efficiency in Federated Learning
von: Hayyolalam, Vahideh, et al.
Veröffentlicht: (2025)

FedEL: Federated Elastic Learning for Heterogeneous Devices
von: Zhang, Letian, et al.
Veröffentlicht: (2025)

FedModule: A Modular Federated Learning Framework
von: Chen, Chuyi, et al.
Veröffentlicht: (2024)

Adaptive Guidance for Local Training in Heterogeneous Federated Learning
von: Zhang, Jianqing, et al.
Veröffentlicht: (2024)