Gossip-based learning under drifting concepts in fully distributed networks

QR kód

Gossip-based learning under drifting concepts in fully distributed networks

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Hegedűs István Ormándi Róbert Jelasity Márk
Dokumentumtípus:	Könyv része
Megjelent:	IEEE Computer Society Los Alamitos 2012
Sorozat:	Proceedings of the 6th IEEE International Conference on Self-Adaptive and Self-Organizing Systems (SASO 2012). Lyon, 10-14 September 2012
doi:	10.1109/SASO.2012.13
mtmt:	2058355
Online Access:	http://publicatio.bibl.u-szeged.hu/1518

Hasonló tételek

Gossip learning with linear models on fully distributed data
Szerző: Ormándi Róbert, et al.
Megjelent: (2013)

Massively distributed concept drift handling in large networks
Szerző: Hegedűs István, et al.
Megjelent: (2013)

Gossip-Based Machine Learning in Fully Distributed Environments
Szerző: Hegedűs István
Megjelent: (2017)

Overlay management for fully distributed user-based collaborative filtering
Szerző: Ormándi Róbert, et al.
Megjelent: (2010)

Gossip-based distributed stochastic bandit algorithms
Szerző: Szörényi Balázs, et al.
Megjelent: (2013)

Gossip-based Protocols for Large-scale Distributed Systems
Szerző: Jelasity Márk
Megjelent: (2013)

Gossip-based Aggregation in Large Dynamic Networks
Szerző: Jelasity Márk, et al.
Megjelent: (2005)

Asynchronous distributed power iteration with gossip-based normalization
Szerző: Jelasity Márk, et al.
Megjelent: (2007)

Gossip
Szerző: Jelasity Márk
Megjelent: (2011)

Fully Distributed Privacy Preserving Mini-batch Gradient Descent Learning
Szerző: Danner Gábor, et al.
Megjelent: (2015)

Gossip Learning as a Decentralized Alternative to Federated Learning
Szerző: Hegedűs István, et al.
Megjelent: (2019)

Towards data mining in large and fully distributed peer-to-peer overlay networks
Szerző: Kowalczyk Wojtek, et al.
Megjelent: (2003)

Dimension Reduction Methods for Collaborative Mobile Gossip Learning
Szerző: Berta Árpád, et al.
Megjelent: (2016)

Improving Gossip Learning via Limited Model Merging
Szerző: Danner Gábor, et al.
Megjelent: (2023)

Gossip-based Peer Sampling
Szerző: Jelasity Márk, et al.
Megjelent: (2007)

Differentially private linear models for gossip learning through data perturbation
Szerző: Hegedűs István, et al.
Megjelent: (2017)

Fully Distributed Robust Singular Value Decomposition
Szerző: Hegedűs István, et al.
Megjelent: (2014)

A fully distributed Lagrangean metaheuristic for a P2P overlay network design problem
Szerző: Boschetti Marco, et al.
Megjelent: (2005)

Collaborative Mobile Gossip Learning
Szerző: Berta Árpád
Megjelent: (2021)

Robust fully distributed minibatch gradient descent with privacy preservation
Szerző: Danner Gábor, et al.
Megjelent: (2018)

On obtaining global information in a peer-to-peer fully distributed environment
Szerző: Jelasity Márk, et al.
Megjelent: (2002)

Detection and removal of malicious peers in gossip-based protocols
Szerző: Jelasity Márk, et al.
Megjelent: (2004)

Self-* Properties through Gossiping
Szerző: Babaoglu Ozalp, et al.
Megjelent: (2008)

Exploring the Interdisciplinary Connections of Gossip-based Systems
Szerző: Costa Paola, et al.
Megjelent: (2007)

Efficient Gossip Algorithms for Machine Learning
Szerző: Danner Gábor
Megjelent: (2022)

Spanning Tree or Gossip for Aggregation A Comparative Study /
Szerző: Nyers Lehel, et al.
Megjelent: (2014)

Drift [szobor]
Szerző: Nagy Attila
Megjelent: (2019)

Decentralized learning works An empirical comparison of gossip learning and federated learning /
Szerző: Hegedűs István, et al.
Megjelent: (2021)

Drift diffusion model of reward and punishment learning in schizophrenia Modeling and experimental data. /
Szerző: Moustafa Ahmed A., et al.
Megjelent: (2015)

Applications of Support Vector-Based Learning
Szerző: Ormándi Róbert
Megjelent: (2014)

Characterizing fully principal congruence representable distributive lattices
Szerző: Czédli Gábor
Megjelent: (2018)

A robust and scalable peer-to-peer gossiping protocol
Szerző: Voulgaris Spyros, et al.
Megjelent: (2004)

Decentralized Recommendation Based on Matrix Factorization A Comparison of Gossip and Federated Learning /
Szerző: Hegedűs István, et al.
Megjelent: (2020)

A comparative study of spanning tree and gossip protocols for aggregation
Szerző: Nyers Lehel, et al.
Megjelent: (2015)

An approach to massively distributed aggregate computing on peer-to-peer networks
Szerző: Jelasity Márk, et al.
Megjelent: (2004)

Drift diffusion model of reward and punishment learning in rare alpha-synuclein gene carriers
Szerző: Moustafa Ahmed A., et al.
Megjelent: (2017)

Operator learning for a problem class in a distributed peer-to-peer environment
Szerző: Jelasity Márk, et al.
Megjelent: (2002)

Some effects of community based inquiry learning supported by networked technology
Szerző: Molnár Pál, et al.
Megjelent: (2016)

Improving QoS in web-based distributed streaming services with applied network coding
Szerző: Braun Patrik J., et al.
Megjelent: (2016)

Fostering meaningful learning through concept mapping-based intervention programmes at preschool age
Szerző: Habók Anita
Megjelent: (2017)