Buchumschlag

Trust Aware Federated Learning for Secure Bone Healing Stage Interpretation in e-Health

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shepherd, Paul, Dagiuklas, Tasos, Alkan, Bugra, Bastos, Joaquim, Rodriguez, Jonathan
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

Agentic Trust Coordination for Federated Learning through Adaptive Thresholding and Autonomous Decision Making in Sustainable and Resilient Industrial Networks
von: Shepherd, Paul, et al.
Veröffentlicht: (2026)

Fed-BAC: Federated Bandit-Guided Additive Clustering in Hierarchical Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2026)

Architectural Blueprint For Heterogeneity-Resilient Federated Learning
von: Bashir, Satwat, et al.
Veröffentlicht: (2024)

HealSplit: Towards Self-Healing through Adversarial Distillation in Split Federated Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2025)

OptiGradTrust: Byzantine-Robust Federated Learning with Multi-Feature Gradient Analysis and Reinforcement Learning-Based Trust Weighting
von: Karami, Mohammad, et al.
Veröffentlicht: (2025)

TRAIL: Trust-Aware Client Scheduling for Semi-Decentralized Federated Learning
von: Hu, Gangqiang, et al.
Veröffentlicht: (2024)

Towards Case-based Interpretability for Medical Federated Learning
von: Latorre, Laura, et al.
Veröffentlicht: (2024)

Trust and Resilience in Federated Learning Through Smart Contracts Enabled Decentralized Systems
von: Cassano, Lorenzo, et al.
Veröffentlicht: (2024)

Byzantine-Robust Aggregation for Securing Decentralized Federated Learning
von: Cajaraville-Aboy, Diego, et al.
Veröffentlicht: (2024)

FedNAMs: Performing Interpretability Analysis in Federated Learning Context
von: Nanda, Amitash, et al.
Veröffentlicht: (2025)

An Interpretable Client Decision Tree Aggregation process for Federated Learning
von: Argente-Garrido, Alberto, et al.
Veröffentlicht: (2024)

A Secure and Private Distributed Bayesian Federated Learning Design
von: Yang, Nuocheng, et al.
Veröffentlicht: (2026)

Coding-Enforced Resilient and Secure Aggregation for Hierarchical Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2026)

Deliverable D5.1 Project Handbook
von: Dagiuklas, Tasos
Veröffentlicht: (2026)

When to Trust Your Simulator: Dynamics-Aware Hybrid Offline-and-Online Reinforcement Learning
von: Niu, Haoyi, et al.
Veröffentlicht: (2022)

Optimal Signal Decomposition-based Multi-Stage Learning for Battery Health Estimation
von: Pamshetti, Vijay Babu, et al.
Veröffentlicht: (2025)

Enhancing Federated Learning Through Secure Cluster-Weighted Client Aggregation
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

Degree of Staleness-Aware Data Updating in Federated Learning
von: Liu, Tao, et al.
Veröffentlicht: (2025)

FedDRL: A Trustworthy Federated Learning Model Fusion Method Based on Staged Reinforcement Learning
von: Chen, Leiming, et al.
Veröffentlicht: (2023)

The Interpretability of Codebooks in Model-Based Reinforcement Learning is Limited
von: Eaton, Kenneth, et al.
Veröffentlicht: (2024)

Federated Two Stage Decoupling With Adaptive Personalization Layers
von: Zhu, Hangyu, et al.
Veröffentlicht: (2023)

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

FeDABoost: Fairness Aware Federated Learning with Adaptive Boosting
von: Arachchige, Tharuka Kasthuri, et al.
Veröffentlicht: (2025)

Heterogeneity-Aware Client Sampling for Optimal and Efficient Federated Learning
von: Weng, Shudi, et al.
Veröffentlicht: (2025)

Performance Comparison of IBN orchestration using LLM and SLMs
von: Phone, Wai Lwin, et al.
Veröffentlicht: (2026)

Trust-Based Incentive Mechanisms in Semi-Decentralized Federated Learning Systems
von: Shrestha, Ajay Kumar
Veröffentlicht: (2026)

Security Assessment of Hierarchical Federated Deep Learning
von: Alqattan, D, et al.
Veröffentlicht: (2024)

Domain-Adaptive Health Indicator Learning with Degradation-Stage Synchronized Sampling and Cross-Domain Autoencoder
von: Choo, Jungho, et al.
Veröffentlicht: (2026)

Zero-Trust Agentic Federated Learning for Secure IIoT Defense Systems
von: Singh, Samaresh Kumar, et al.
Veröffentlicht: (2025)

TAP: Two-Stage Adaptive Personalization of Multi-Task and Multi-Modal Foundation Models in Federated Learning
von: Lee, Seohyun, et al.
Veröffentlicht: (2025)

FedTSA: A Cluster-based Two-Stage Aggregation Method for Model-heterogeneous Federated Learning
von: Fan, Boyu, et al.
Veröffentlicht: (2024)

BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning
von: Li, Yuan, et al.
Veröffentlicht: (2026)

Enhancing Convergence in Federated Learning: A Contribution-Aware Asynchronous Approach
von: Xu, Changxin, et al.
Veröffentlicht: (2024)

Trustworthy Blockchain-based Federated Learning for Electronic Health Records: Securing Participant Identity with Decentralized Identifiers and Verifiable Credentials
von: Tertulino, Rodrigo, et al.
Veröffentlicht: (2026)

Learning When to Trust in Contextual Bandits
von: Ghasemi, Majid, et al.
Veröffentlicht: (2026)

Decentralized Federated Learning: A Survey on Security and Privacy
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2024)

Improving MLLM Training Efficiency via Stage-Aware Sparsity
von: Shi, Kean, et al.
Veröffentlicht: (2025)

Knowledge-Aware Modeling with Frequency Adaptive Learning for Battery Health Prognostics
von: Pamshetti, Vijay Babu, et al.
Veröffentlicht: (2025)

Trust, or Don't Predict: Introducing the CWSA Family for Confidence-Aware Model Evaluation
von: Shahnazari, Kourosh, et al.
Veröffentlicht: (2025)

Heterogeneity-Aware Coordination for Federated Learning via Stitching Pre-trained blocks
von: Zhan, Shichen, et al.
Veröffentlicht: (2024)