:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yi, Liu, Han, Fan, Mingfeng, Chen, Guo, Li, Chaojie, Sikdar, Biplab
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	https://arxiv.org/abs/2603.01363
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

pFedMoE: Data-Level Personalization with Mixture of Experts for Model-Heterogeneous Personalized Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

Elastic Mixture of Rank-Wise Experts for Knowledge Reuse in Federated Fine-Tuning
von: Wu, Yebo, et al.
Veröffentlicht: (2025)

FedMoE-DA: Federated Mixture of Experts via Domain Aware Fine-grained Aggregation
von: Zhan, Ziwei, et al.
Veröffentlicht: (2024)

pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA Tuning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

FedSSA: Semantic Similarity-based Aggregation for Efficient Model-Heterogeneous Personalized Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

Knowledge-driven Reasoning for Mobile Agentic AI: Concepts, Approaches, and Directions
von: Liu, Guangyuan, et al.
Veröffentlicht: (2026)

FedGMI: Generative Model-Driven Federated Learning for Probabilistic Mixture Inference
von: Hou, Qijun, et al.
Veröffentlicht: (2026)

FedFQ: Federated Learning with Fine-Grained Quantization
von: Li, Haowei, et al.
Veröffentlicht: (2024)

FedPAW: Federated Learning with Personalized Aggregation Weights for Urban Vehicle Speed Prediction
von: He, Yuepeng, et al.
Veröffentlicht: (2024)

FedGAT: A Privacy-Preserving Federated Approximation Algorithm for Graph Attention Networks
von: Ambekar, Siddharth, et al.
Veröffentlicht: (2024)

FedCache: A Knowledge Cache-driven Federated Learning Architecture for Personalized Edge Intelligence
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

FedAH: Aggregated Head for Personalized Federated Learning
von: Zhou, Pengzhan, et al.
Veröffentlicht: (2024)

FedReMa: Improving Personalized Federated Learning via Leveraging the Most Relevant Clients
von: Liang, Han, et al.
Veröffentlicht: (2024)

FedCostAware: Enabling Cost-Aware Federated Learning on the Cloud
von: Sinha, Aditya, et al.
Veröffentlicht: (2025)

FedSem: A Resource Allocation Scheme for Federated Learning Assisted Semantic Communication
von: Zhou, Xinyu, et al.
Veröffentlicht: (2025)

ElasticMoE: An Efficient Auto Scaling Method for Mixture-of-Experts Models
von: Singh, Gursimran, et al.
Veröffentlicht: (2025)

HAP: Hybrid Adaptive Parallelism for Efficient Mixture-of-Experts Inference
von: Lin, Haoran, et al.
Veröffentlicht: (2025)

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

FedSZ: Leveraging Error-Bounded Lossy Compression for Federated Learning Communications
von: Wilkins, Grant, et al.
Veröffentlicht: (2023)

Hexa-MoE: Efficient and Heterogeneous-aware Training for Mixture-of-Experts
von: Luo, Shuqing, et al.
Veröffentlicht: (2024)

EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control
von: Li, Xiaochen, et al.
Veröffentlicht: (2024)

FedOptimus: Optimizing Vertical Federated Learning for Scalability and Efficiency
von: Shrivastava, Nikita, et al.
Veröffentlicht: (2025)

FedMOA: Federated GRPO for Personalized Reasoning LLMs under Heterogeneous Rewards
von: Wang, Ziyao, et al.
Veröffentlicht: (2026)

FedORGP: Guiding Heterogeneous Federated Learning with Orthogonality Regularization on Global Prototypes
von: Guo, Fucheng, et al.
Veröffentlicht: (2025)

pFedLVM: A Large Vision Model (LVM)-Driven and Latent Feature-Based Personalized Federated Learning Framework in Autonomous Driving
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2024)

FedRIR: Rethinking Information Representation in Federated Learning
von: Huang, Yongqiang, et al.
Veröffentlicht: (2025)

FedCal: Achieving Local and Global Calibration in Federated Learning via Aggregated Parameterized Scaler
von: Peng, Hongyi, et al.
Veröffentlicht: (2024)

EcoFed: Efficient Communication for DNN Partitioning-based Federated Learning
von: Wu, Di, et al.
Veröffentlicht: (2023)

FedFog: Resource-Aware Federated Learning in Edge and Fog Networks
von: Sobati-M, Somayeh
Veröffentlicht: (2025)

FedTeddi: Temporal Drift and Divergence Aware Scheduling for Timely Federated Edge Learning
von: Bai, Yuxuan, et al.
Veröffentlicht: (2025)

DualFed: Enjoying both Generalization and Personalization in Federated Learning via Hierachical Representations
von: Zhu, Guogang, et al.
Veröffentlicht: (2024)

FedPeWS: Personalized Warmup via Subnetworks for Enhanced Heterogeneous Federated Learning
von: Tastan, Nurbek, et al.
Veröffentlicht: (2024)

FedCDC: A Collaborative Framework for Data Consumers in Federated Learning Market
von: Shi, Zhuan, et al.
Veröffentlicht: (2025)

FedHC: A Hierarchical Clustered Federated Learning Framework for Satellite Networks
von: Liu, Zhuocheng, et al.
Veröffentlicht: (2025)

FedGrAINS: Personalized SubGraph Federated Learning with Adaptive Neighbor Sampling
von: Ceyani, Emir, et al.
Veröffentlicht: (2025)

FedBiF: Communication-Efficient Federated Learning via Bits Freezing
von: Li, Shiwei, et al.
Veröffentlicht: (2025)

FedBAT: Communication-Efficient Federated Learning via Learnable Binarization
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

FedLog: Personalized Federated Classification with Less Communication and More Flexibility
von: Yu, Haolin, et al.
Veröffentlicht: (2024)

pMixFed: Efficient Personalized Federated Learning through Adaptive Layer-Wise Mixup
von: Saadati, Yasaman, et al.
Veröffentlicht: (2025)

FedSAE: A Novel Self-Adaptive Federated Learning Framework in Heterogeneous Systems
von: Li, Li, et al.
Veröffentlicht: (2021)