Buchumschlag

Federated Learning of Spiking Neural Networks under Heterogeneous Temporal Resolutions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Karilanova, Sanja, Dey, Subhrakanti, Özçelikkale, Ayça
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Delays in Spiking Neural Networks: A State Space Model Approach
von: Karilanova, Sanja, et al.
Veröffentlicht: (2025)

State-Space Model Inspired Multiple-Input Multiple-Output Spiking Neurons
von: Karilanova, Sanja, et al.
Veröffentlicht: (2025)

Low-Bit Data Processing Using Multiple-Output Spiking Neurons with Non-linear Reset Feedback
von: Karilanova, Sanja, et al.
Veröffentlicht: (2025)

Time-Varying Deep State Space Models for Sequences with Switching Dynamics
von: Karilanova, Sanja, et al.
Veröffentlicht: (2026)

Zero-Shot Temporal Resolution Domain Adaptation for Spiking Neural Networks
von: Karilanova, Sanja, et al.
Veröffentlicht: (2024)

Improving Generalization in Game Agents with Data Augmentation in Imitation Learning
von: Yadgaroff, Derek, et al.
Veröffentlicht: (2023)

Heterogeneous Federated Learning with Convolutional and Spiking Neural Networks
von: Yu, Yingchao, et al.
Veröffentlicht: (2024)

Over-the-air Federated Policy Gradient
von: Yang, Huiwen, et al.
Veröffentlicht: (2023)

VR-VFL: Joint Rate and Client Selection for Vehicular Federated Learning Under Imperfect CSI
von: Karatas, Metehan, et al.
Veröffentlicht: (2026)

Privacy in Federated Learning with Spiking Neural Networks
von: Aksu, Dogukan, et al.
Veröffentlicht: (2025)

The Role of Temporal Hierarchy in Spiking Neural Networks
von: Moro, Filippo, et al.
Veröffentlicht: (2024)

Spiking Neural Networks in Vertical Federated Learning: Performance Trade-offs
von: Abbasihafshejani, Maryam, et al.
Veröffentlicht: (2024)

Exploiting Label Skewness for Spiking Neural Networks in Federated Learning
von: Yu, Di, et al.
Veröffentlicht: (2024)

Conformalized Neural Networks for Federated Uncertainty Quantification under Dual Heterogeneity
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Federated Temporal Difference Learning with Linear Function Approximation under Environmental Heterogeneity
von: Wang, Han, et al.
Veröffentlicht: (2023)

S-TLLR: STDP-inspired Temporal Local Learning Rule for Spiking Neural Networks
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2023)

SFedHIFI: Fire Rate-Based Heterogeneous Information Fusion for Spiking Federated Learning
von: Tao, Ran, et al.
Veröffentlicht: (2026)

Heterogeneous Temporal Hypergraph Neural Network
von: Liu, Huan, et al.
Veröffentlicht: (2025)

Bullet Trains: Parallelizing Training of Temporally Precise Spiking Neural Networks
von: Morrill, Todd, et al.
Veröffentlicht: (2026)

STHFL: Spatio-Temporal Heterogeneous Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Spiking Neural Networks with Temporal Attention-Guided Adaptive Fusion for imbalanced Multi-modal Learning
von: Shen, Jiangrong, et al.
Veröffentlicht: (2025)

Simple and Efficient Heterogeneous Temporal Graph Neural Network
von: Wang, Yili, et al.
Veröffentlicht: (2025)

STAER: Temporal Aligned Rehearsal for Continual Spiking Neural Network
von: Gianferrari, Matteo, et al.
Veröffentlicht: (2026)

Temporal Spiking Neural Networks with Synaptic Delay for Graph Reasoning
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

HetSyn: Versatile Timescale Integration in Spiking Neural Networks via Heterogeneous Synapses
von: Deng, Zhichao, et al.
Veröffentlicht: (2025)

The Robustness of Spiking Neural Networks in Communication and its Application towards Network Efficiency in Federated Learning
von: Nguyen, Manh V., et al.
Veröffentlicht: (2024)

TESS: A Scalable Temporally and Spatially Local Learning Rule for Spiking Neural Networks
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2025)

On the Sensitivity of Firing Rate-Based Federated Spiking Neural Networks to Differential Privacy
von: Pereira, Luiz, et al.
Veröffentlicht: (2026)

Loss Spike in Training Neural Networks
von: Li, Xiaolong, et al.
Veröffentlicht: (2023)

SpikingGamma: Surrogate-Gradient Free and Temporally Precise Online Training of Spiking Neural Networks with Smoothed Delays
von: Koopman, Roel, et al.
Veröffentlicht: (2026)

ChronoSpike: An Adaptive Spiking Graph Neural Network for Dynamic Graphs
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2026)

Learning Long Sequences in Spiking Neural Networks
von: Stan, Matei Ioan, et al.
Veröffentlicht: (2023)

Heterogeneous Federated Learning via Personalized Generative Networks
von: Taghiyarrenani, Zahra, et al.
Veröffentlicht: (2023)

Stabilizing Federated Learning under Extreme Heterogeneity with HeteRo-Select
von: Masud, Md. Akmol, et al.
Veröffentlicht: (2025)

Quantization of Spiking Neural Networks Beyond Accuracy
von: Smith, Evan Gibson, et al.
Veröffentlicht: (2026)

Spiking Graph Neural Network on Riemannian Manifolds
von: Sun, Li, et al.
Veröffentlicht: (2024)

Biased Federated Learning under Wireless Heterogeneity
von: Abrar, Muhammad Faraz Ul, et al.
Veröffentlicht: (2025)

Supervised Spike Agreement Dependent Plasticity for Fast Local Learning in Spiking Neural Networks
von: S, Gouri Lakshmi, et al.
Veröffentlicht: (2026)

EchoSpike Predictive Plasticity: An Online Local Learning Rule for Spiking Neural Networks
von: Graf, Lars, et al.
Veröffentlicht: (2024)

Client Selection in Federated Learning with Data Heterogeneity and Network Latencies
von: Vardhan, Harsh, et al.
Veröffentlicht: (2025)