Buchumschlag

On Performance Guarantees for Federated Learning with Personalized Constraints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ebrahimi, Mohammadjavad, Burbano, Daniel, Yousefian, Farzad
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-tuned Regularized Federated Methods with Guarantees for Optimal Solution Selection
von: Ebrahimi, Mohammadjavad, et al.
Veröffentlicht: (2025)

Incentive-Aware Federated Averaging with Performance Guarantees under Strategic Participation
von: Maleki, Fateme, et al.
Veröffentlicht: (2026)

Distributed Gradient Tracking Methods with Guarantees for Computing a Solution to Stochastic MPECs
von: Ebrahimi, Mohammadjavad, et al.
Veröffentlicht: (2023)

On the Resolution of Stochastic MPECs over Networks: Distributed Implicit Zeroth-Order Gradient Tracking Methods
von: Ebrahimi, Mohammadjavad, et al.
Veröffentlicht: (2025)

A Randomized Zeroth-Order Hierarchical Framework for Heterogeneous Federated Learning
von: Qiu, Yuyang, et al.
Veröffentlicht: (2025)

On iteratively regularized first-order methods for simple bilevel optimization
von: Samadi, Sepideh, et al.
Veröffentlicht: (2025)

Conformal Mixed-Integer Constraint Learning with Feasibility Guarantees
von: Ovalle, Daniel, et al.
Veröffentlicht: (2025)

On the Linear Speedup of Personalized Federated Reinforcement Learning with Shared Representations
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)

Data-Driven Performance Guarantees for Classical and Learned Optimizers
von: Sambharya, Rajiv, et al.
Veröffentlicht: (2024)

Improved guarantees for optimal Nash equilibrium seeking and bilevel variational inequalities
von: Samadi, Sepideh, et al.
Veröffentlicht: (2023)

Zeroth-Order Federated Methods for Stochastic MPECs and Nondifferentiable Nonconvex Hierarchical Optimization
von: Qiu, Yuyang, et al.
Veröffentlicht: (2023)

Decision-Focused Federated Learning Under Heterogeneous Objectives and Constraints
von: Ziliaskopoulos, Konstantinos, et al.
Veröffentlicht: (2026)

Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States
von: Lefringhausen, Robert, et al.
Veröffentlicht: (2023)

Stochastic Polyak Step-sizes and Momentum: Convergence Guarantees and Practical Performance
von: Oikonomou, Dimitris, et al.
Veröffentlicht: (2024)

Memory-Reduced Meta-Learning with Guaranteed Convergence
von: Yang, Honglin, et al.
Veröffentlicht: (2024)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Personalized Multi-tier Federated Learning
von: Banerjee, Sourasekhar, et al.
Veröffentlicht: (2024)

Statistical Performance Guarantee for Subgroup Identification with Generic Machine Learning
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2023)

Learning Over-Relaxation Policies for ADMM with Convergence Guarantees
von: Lin, Junan, et al.
Veröffentlicht: (2026)

Unified Precision-Guaranteed Stopping Rules for Contextual Learning
von: Ding, Mingrui, et al.
Veröffentlicht: (2026)

ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
von: Li, Xingchen, et al.
Veröffentlicht: (2026)

Iteratively Regularized Gradient Tracking Methods for Optimal Equilibrium Seeking
von: Qiu, Yuyang, et al.
Veröffentlicht: (2024)

Learning Neural Contracting Dynamics: Extended Linearization and Global Guarantees
von: Jaffe, Sean, et al.
Veröffentlicht: (2024)

Generalization Guarantees for Learning Branch-and-Cut Policies in Integer Programming
von: Cheng, Hongyu, et al.
Veröffentlicht: (2025)

Learning to Optimize for Mixed-Integer Non-linear Programming with Feasibility Guarantees
von: Tang, Bo, et al.
Veröffentlicht: (2024)

QLABGrad: a Hyperparameter-Free and Convergence-Guaranteed Scheme for Deep Learning
von: Fu, Minghan, et al.
Veröffentlicht: (2023)

Learning-to-Optimize with PAC-Bayesian Guarantees: Theoretical Considerations and Practical Implementation
von: Sucker, Michael, et al.
Veröffentlicht: (2024)

Greedy Low-Rank Gradient Compression for Distributed Learning with Convergence Guarantees
von: Chen, Chuyan, et al.
Veröffentlicht: (2025)

A New First-Order Meta-Learning Algorithm with Convergence Guarantees
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2024)

Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee
von: Xiao, Chenhan, et al.
Veröffentlicht: (2023)

Fair Supervised Learning Through Constraints on Smooth Nonconvex Unfairness-Measure Surrogates
von: Khatti, Zahra, et al.
Veröffentlicht: (2025)

Global Convergence Guarantees for Federated Policy Gradient Methods with Adversaries
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2026)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, et al.
Veröffentlicht: (2025)

Federated Dynamical Low-Rank Training with Global Loss Convergence Guarantees
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2024)

On the Sampling-based Computation of Nash Equilibria under Uncertainty via the Nikaido-Isoda Function
von: Marrinan, Luke, et al.
Veröffentlicht: (2025)

Zeroth-order Gradient and Quasi-Newton Methods for Nonsmooth Nonconvex Stochastic Optimization
von: Marrinan, Luke, et al.
Veröffentlicht: (2023)

Unit Commitment Predictor With a Performance Guarantee: A Support Vector Machine Classifier
von: Pourahmadi, Farzaneh, et al.
Veröffentlicht: (2023)

FedSGM: A Unified Framework for Constraint Aware, Bidirectionally Compressed, Multi-Step Federated Optimization
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2026)

Sharper Guarantees for Misspecified Kernelized Bandit Optimization
von: Maran, Davide, et al.
Veröffentlicht: (2026)