Buchumschlag

Incentive-Aware Federated Averaging with Performance Guarantees under Strategic Participation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maleki, Fateme, Raghavan, Krishnan, 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

On Performance Guarantees for Federated Learning with Personalized Constraints
von: Ebrahimi, Mohammadjavad, et al.
Veröffentlicht: (2026)

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

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

A Bilevel Optimization Framework for Imbalanced Data Classification
von: Medlin, Karen, et al.
Veröffentlicht: (2024)

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

Refined Analysis of Federated Averaging and Federated Richardson-Romberg
von: Mangold, Paul, et al.
Veröffentlicht: (2024)

FedSUM Family: Efficient Federated Learning Methods under Arbitrary Client Participation
von: You, Runze, et al.
Veröffentlicht: (2025)

Controlling Participation in Federated Learning with Feedback
von: Cummins, Michael, 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)

Probabilistic Safety Guarantee for Stochastic Control Systems Using Average Reward MDPs
von: Omidi, Saber, et al.
Veröffentlicht: (2025)

Non-Convex Federated Optimization under Cost-Aware Client Selection
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2025)

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

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

Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Score-Aware Policy-Gradient and Performance Guarantees using Local Lyapunov Stability
von: Comte, Céline, et al.
Veröffentlicht: (2023)

Performance of NPG in Countable State-Space Average-Cost RL
von: Murthy, Yashaswini, et al.
Veröffentlicht: (2024)

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

Delayed Momentum Aggregation: Communication-efficient Byzantine-robust Federated Learning with Partial Participation
von: Otsuka, Kaoru, et al.
Veröffentlicht: (2025)

A Lightweight Method for Tackling Unknown Participation Statistics in Federated Averaging
von: Wang, Shiqiang, et al.
Veröffentlicht: (2023)

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

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

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

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

Mistake, Manipulation and Margin Guarantees in Online Strategic Classification
von: Shen, Lingqing, et al.
Veröffentlicht: (2024)

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

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

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

Zeroth-order Gradient and Quasi-Newton Methods for Nonsmooth Nonconvex Stochastic Optimization
von: Marrinan, Luke, 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)

DADA: Dual Averaging with Distance Adaptation
von: Moshtaghifar, Mohammad, et al.
Veröffentlicht: (2025)

Robust Regression over Averaged Uncertainty
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

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

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

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

A Recovery Guarantee for Sparse Neural Networks
von: Fridovich-Keil, Sara, et al.
Veröffentlicht: (2025)

MAP Estimation with Denoisers: Convergence Rates and Guarantees
von: Pesme, Scott, et al.
Veröffentlicht: (2025)

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

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