:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Qiyuan, Wu, Xian, Wang, Yi, Chen, Xianhao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2603.14773
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdaptSFL: Adaptive Split Federated Learning in Resource-constrained Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

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

Pushing Large Language Models to the 6G Edge: Vision, Challenges, and Opportunities
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

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

ESFL: Efficient Split Federated Learning over Resource-Constrained Heterogeneous Wireless Devices
von: Zhu, Guangyu, et al.
Veröffentlicht: (2024)

Beyond Aggregation: Guiding Clients in Heterogeneous Federated Learning
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Learning Unlabeled Clients Divergence for Federated Semi-Supervised Learning via Anchor Model Aggregation
von: Elbatel, Marawan, et al.
Veröffentlicht: (2024)

Hierarchical Split Federated Learning: Convergence Analysis and System Optimization
von: Lin, Zheng, et al.
Veröffentlicht: (2024)

Data-Free Client Contribution Estimation via Logit Maximization for Federated Learning
von: Ukaye, Asim, et al.
Veröffentlicht: (2026)

FedEmb: A Vertical and Hybrid Federated Learning Algorithm using Network And Feature Embedding Aggregation
von: Meng, Fanfei, et al.
Veröffentlicht: (2023)

Federated Learning with Sample-level Client Drift Mitigation
von: Xu, Haoran, et al.
Veröffentlicht: (2025)

Mobile Edge Intelligence for Large Language Models: A Contemporary Survey
von: Qu, Guanqiao, et al.
Veröffentlicht: (2024)

SpreadFGL: Edge-Client Collaborative Federated Graph Learning with Adaptive Neighbor Generation
von: Zhong, Luying, et al.
Veröffentlicht: (2024)

Programming by Backprop: An Instruction is Worth 100 Examples When Finetuning LLMs
von: Cook, Jonathan, et al.
Veröffentlicht: (2025)

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

Buffered Asynchronous Secure Aggregation for Cross-Device Federated Learning
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Automated Federated Pipeline for Parameter-Efficient Fine-Tuning of Large Language Models
von: Fang, Zihan, et al.
Veröffentlicht: (2024)

Warming Up for Zeroth-Order Federated Pre-Training with Low Resource Clients
von: Legate, Gwen, et al.
Veröffentlicht: (2025)

LEO-Split: A Semi-Supervised Split Learning Framework over LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Tackling Noisy Clients in Federated Learning with End-to-end Label Correction
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2024)

FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

FLClear: Visually Verifiable Multi-Client Watermarking for Federated Learning
von: Gu, Chen, et al.
Veröffentlicht: (2025)

Decentralized Personalized Federated Learning based on a Conditional Sparse-to-Sparser Scheme
von: Long, Qianyu, et al.
Veröffentlicht: (2024)

Hybrid Federated and Split Learning for Privacy Preserving Clinical Prediction and Treatment Optimization
von: Akter, Farzana, et al.
Veröffentlicht: (2026)

On-Device Fine-Tuning via Backprop-Free Zeroth-Order Optimization
von: Katti, Prabodh, et al.
Veröffentlicht: (2025)

FedCCRL: Federated Domain Generalization with Cross-Client Representation Learning
von: Wang, Xinpeng, et al.
Veröffentlicht: (2024)

Communication-Efficient Federated Learning with Accelerated Client Gradient
von: Kim, Geeho, et al.
Veröffentlicht: (2022)

Unlearning Clients, Features and Samples in Vertical Federated Learning
von: Varshney, Ayush K., et al.
Veröffentlicht: (2025)

Robust Federated Learning against Noisy Clients via Masked Optimization
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

Federated Linear Contextual Bandits with Heterogeneous Clients
von: Blaser, Ethan, et al.
Veröffentlicht: (2024)

Operator-Theoretic Framework for Gradient-Free Federated Learning
von: Kumar, Mohit, et al.
Veröffentlicht: (2025)

FedCore: Straggler-Free Federated Learning with Distributed Coresets
von: Guo, Hongpeng, et al.
Veröffentlicht: (2024)

Generating density nowcasts for U.S. GDP growth with deep learning: Bayes by Backprop and Monte Carlo dropout
von: Németh, Kristóf, et al.
Veröffentlicht: (2024)

Towards Energy-Aware Federated Learning via MARL: A Dual-Selection Approach for Model and Client
von: Xia, Jun, et al.
Veröffentlicht: (2024)

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

Client-Centric Federated Adaptive Optimization
von: Sun, Jianhui, et al.
Veröffentlicht: (2025)

Axial Neural Networks for Dimension-Free Foundation Models
von: Kim, Hyunsu, et al.
Veröffentlicht: (2025)