Buchumschlag

Federated Active Learning Under Extreme Non-IID and Global Class Imbalance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zong, Chen-Chen, Huang, Sheng-Jun
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

Federated Self-Supervised Learning for Automatic Modulation Classification under Non-IID and Class-Imbalanced Data
von: Akram, Usman, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

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

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)

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

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

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

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

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

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

DUEL: Duplicate Elimination on Active Memory for Self-Supervised Class-Imbalanced Learning
von: Choi, Won-Seok, et al.
Veröffentlicht: (2024)

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

Prototype-based Heterogeneous Federated Learning for Blade Icing Detection in Wind Turbines with Class Imbalanced Data
von: Qi, Lele, et al.
Veröffentlicht: (2025)

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

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

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

VIGraph: Generative Self-supervised Learning for Class-Imbalanced Node Classification
von: Hu, Yulan, et al.
Veröffentlicht: (2023)

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

Towards Collaborative Fairness in Federated Learning Under Imbalanced Covariate Shift
von: Yu, Tianrun, et al.
Veröffentlicht: (2025)

FedBKD: Distilled Federated Learning to Embrace Gerneralization and Personalization on Non-IID Data
von: Zhao, Yushan, 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)

Class-Imbalanced Graph Learning without Class Rebalancing
von: Liu, Zhining, et al.
Veröffentlicht: (2023)

GRACE: Graph Neural Networks for Locus-of-Care Prediction under Extreme Class Imbalance
von: Kumar, Subham, et al.
Veröffentlicht: (2025)

FedDistill: Global Model Distillation for Local Model De-Biasing in Non-IID Federated Learning
von: Song, Changlin, et al.
Veröffentlicht: (2024)

Dirichlet-Based Prediction Calibration for Learning with Noisy Labels
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2024)

Privacy Preserving and Robust Aggregation for Cross-Silo Federated Learning in Non-IID Settings
von: Arazzi, Marco, et al.
Veröffentlicht: (2025)

The Effects of Data Imbalance Under a Federated Learning Approach for Credit Risk Forecasting
von: Zhang, Shuyao, et al.
Veröffentlicht: (2024)

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

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

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

FissionVAE: Federated Non-IID Image Generation with Latent Space and Decoder Decomposition
von: Hu, Chen, et al.
Veröffentlicht: (2024)

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