Buchumschlag

StreamSplit: Continuous Audio Representation Learning via Uncertainty-Guided Adaptive Splitting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Quan, Minh K., Pathirana, Pubudu N.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Communication-Efficient Split Learning via Adaptive Feature-Wise Compression
von: Oh, Yongjeong, et al.
Veröffentlicht: (2023)

HierSFL: Local Differential Privacy-aided Split Federated Learning in Mobile Edge Computing
von: Quan, Minh K., et al.
Veröffentlicht: (2024)

Federated Learning for Cyber Physical Systems: A Comprehensive Survey
von: Quan, Minh K., et al.
Veröffentlicht: (2025)

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

Parallel Split Learning with Global Sampling
von: Kohankhaki, Mohammad, et al.
Veröffentlicht: (2024)

A deep cut into Split Federated Self-supervised Learning
von: Przewięźlikowski, Marcin, et al.
Veröffentlicht: (2024)

Towards Straggler-Resilient Split Federated Learning: An Unbalanced Update Approach
von: Liang, Dandan, et al.
Veröffentlicht: (2025)

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

PubSub-VFL: Towards Efficient Two-Party Split Learning in Heterogeneous Environments via Publisher/Subscriber Architecture
von: Liu, Yi, et al.
Veröffentlicht: (2025)

P3SL: Personalized Privacy-Preserving Split Learning on Heterogeneous Edge Devices
von: Fan, Wei, et al.
Veröffentlicht: (2025)

SplitFT: An Adaptive Federated Split Learning System For LLMs Fine-Tuning
von: Shan, Yimeng, et al.
Veröffentlicht: (2026)

SplitZip: Ultra Fast Lossless KV Compression for Disaggregated LLM Serving
von: Guo, Yipin, et al.
Veröffentlicht: (2026)

Protecting Split Learning by Potential Energy Loss
von: Zheng, Fei, et al.
Veröffentlicht: (2022)

HSplitLoRA: A Heterogeneous Split Parameter-Efficient Fine-Tuning Framework for Large Language Models
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Guarding the Middle: Protecting Intermediate Representations in Federated Split Learning
von: Zaland, Obaidullah, et al.
Veröffentlicht: (2026)

SFPrompt: Communication-Efficient Split Federated Fine-Tuning for Large Pre-Trained Models over Resource-Limited Devices
von: Cao, Linxiao, et al.
Veröffentlicht: (2024)

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

Enhancing Split Learning with Sharded and Blockchain-Enabled SplitFed Approaches
von: Sokhankhosh, Amirreza, et al.
Veröffentlicht: (2025)

Incentivizing Multi-Tenant Split Federated Learning for Foundation Models at the Network Edge
von: Li, Songyuan, et al.
Veröffentlicht: (2025)

Learn How to Query from Unlabeled Data Streams in Federated Learning
von: Sun, Yuchang, et al.
Veröffentlicht: (2024)

SecureSplit: Mitigating Backdoor Attacks in Split Learning
von: Dou, Zhihao, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Explainable Federated Learning
von: Zhang, Yanci, et al.
Veröffentlicht: (2025)

Split Federated Learning Over Heterogeneous Edge Devices: Algorithm and Optimization
von: Sun, Yunrui, et al.
Veröffentlicht: (2024)

$Λ$-Split: A Privacy-Preserving Split Computing Framework for Cloud-Powered Generative AI
von: Ohta, Shoki, et al.
Veröffentlicht: (2023)

Collaborative Split Federated Learning with Parallel Training and Aggregation
von: Papageorgiou, Yiannis, et al.
Veröffentlicht: (2025)

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

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

Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

MP-SL: Multihop Parallel Split Learning
von: Tirana, Joana, et al.
Veröffentlicht: (2024)

Variational Bayes for Federated Continual Learning
von: Yao, Dezhong, et al.
Veröffentlicht: (2024)

Gradient Correction in Federated Learning with Adaptive Optimization
von: Chen, Evan, et al.
Veröffentlicht: (2025)

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

Convergence Analysis of Split Federated Learning on Heterogeneous Data
von: Han, Pengchao, et al.
Veröffentlicht: (2024)

The Impact of Cut Layer Selection in Split Federated Learning
von: Dachille, Justin, et al.
Veröffentlicht: (2024)

Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout
von: Liu, Ji, et al.
Veröffentlicht: (2025)

Reliable Microservice Tail Latency Prediction via Decoupled Dual-Stream Learning and Gradient Modulation
von: Qian, Wenzhuo, et al.
Veröffentlicht: (2025)

Adaptive Active Inference Agents for Heterogeneous and Lifelong Federated Learning
von: Danilenka, Anastasiya, et al.
Veröffentlicht: (2024)

Tiny Deep Ensemble: Uncertainty Estimation in Edge AI Accelerators via Ensembling Normalization Layers with Shared Weights
von: Ahmed, Soyed Tuhin, et al.
Veröffentlicht: (2024)

FedAA: A Reinforcement Learning Perspective on Adaptive Aggregation for Fair and Robust Federated Learning
von: He, Jialuo, et al.
Veröffentlicht: (2024)

FedAC: An Adaptive Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)