#Federated

32 статьи
arXiv Machine Learning
arXiv Machine Learning

Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels

arXiv:2605.30123v3 Announce Type: replace-cross Abstract: Homomorphic encryption (HE) enables privacy-preserving aggregation in federated learning (FL) by allowing the server to operate on encrypted d...

arXiv Machine Learning
4
Читать
arXiv Machine Learning
arXiv Machine Learning

Дифференцированная агрегация для улучшения обобщения в федеративном обучении

arXiv:2404.11754v4 Тип объявления: замена абстракции: в этой статье основное внимание уделяется сокращению расходов на коммуникацию федеративного обучения путем изучения границ обобщения и обучения пр...

arXiv Machine Learning
4
Читать
arXiv Machine Learning
arXiv Machine Learning

FedCC: на пути к решению проблемы дистрибуции ярлыков в дистилляционном федеративном обучении

arXiv:2608.23031v1 Announce Type: new Abstract: Federated Learning (FL) позволяет распределенным клиентам совместно обучать модели без обмена необработанными данными, что делает его перспективным для ...

arXiv Machine Learning
1
Читать
arXiv Machine Learning
arXiv Machine Learning

Федеративное ансамблевое прогнозирование в условиях волатильности рынка цепей поставок

arXiv:2608.21399v1 Системы прогнозирования цепочек поставок все чаще работают в условиях рыночных потрясений, неидентически распределенного регионального спроса и ограниченной готовности к централизац...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

BIPPO: бюджетный независимый PPO для энергоэффективных федеративных образовательных услуг

arXiv:2511.08142v2 Анонс Тип: замена Abstract: Federated Learning (FL) является перспективным решением для машинного обучения в крупномасштабных системах IoT, гарантирующим распределение нагрузки и ко...

arXiv Machine Learning
1
Читать
arXiv Machine Learning
arXiv Machine Learning

Thermo-FL: Thermal-Aware Robust Federated Fine-Tuning of Large Language Models for Edge

arXiv:2608.21172v1 Анонсированная тонкая настройка позволяет крупным языковым моделям адаптироваться на периферийных устройствах без централизации частных данных, но практические развертывания должны ...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Когда достаточно мало? Адаптивное раздельное федеративное обучение с оценкой достаточности клиента

arXiv:2608.15639v2 Тип замещения: \textit{Split Federated Learning} (SFL) обеспечивает обучение распределенной модели путем разделения сетей между сервером и клиентами. Однако при неоднородности клиен...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Инклюзивный и легкий подход к постоянному обучению для культурного наследия

arXiv:2608.20038v1 Искусственный интеллект может поддерживать культурное наследие и цифровые гуманитарные науки посредством крупномасштабного поиска и анализа оцифрованных коллекций. Тем не менее, дан...

arXiv Machine Learning
5
Читать
arXiv Machine Learning
arXiv Machine Learning

FedImp: Enhancing Federated Learning Convergence with Impurity-Based Weighting

arXiv:2608.14654v1 Announce Type: new Abstract: Federated Learning (FL) is a collaborative paradigm that enables multiple devices to train a global model while preserving local data privacy. A major c...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Polar Code Based Federated Learning: Convergence Analysis and Resource Allocation

arXiv:2608.13961v1 Announce Type: new Abstract: Federated learning (FL) enables collaborative model training across distributed devices without sharing raw data; however, it faces significant communic...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

MedMix: Specialization-Consistent Federated Sparse MoEs under Modality Heterogeneity

arXiv:2608.13911v1 Announce Type: new Abstract: Federated multimodal medical AI faces modality heterogeneity at both the client and sample levels: clients may systematically lack access to specific mo...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Federated Prompt Learning: A Unified Framework, Empirical Analysis, and Future Directions

arXiv:2608.13844v1 Announce Type: new Abstract: Large language models (LLMs) have become core components of cloud-based intelligent services in academia and industry, yet their training and deployment...

arXiv Machine Learning
3
Читать