Newest papers

The Dynamics of Collapse and Recovery in Clustered Federated Learning

Priyanka Sinha, Snigdhansu Chatterjee · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28565 · open-access PDF

Hindi

Clustered federated learning (CFL) cluster collapse से पीड़ित हो सकता है. विशेष रूप से, अप्रिय प्रारंभिककरण के तहत, प्रारंभिक ग्राहक कार्यों एक क्लस्टर मॉडल पर heterogeneous समूहों को केंद्रित करते हैं, जिसे फिर एक संयुक्त समझौता की ओर प्रशिक्षित किया जाता है, जबकि एक अन्य मॉडल कोई अद्यतन प्राप्त नहीं करता है. चूंकि वर्तमान मॉडल ग्राहक राउटिंग को निर्धारित करते हैं और राउटिंग बाद के मॉडल अद्यतनों को निर्धारित करता है, हम एक अज्ञात गतिशील प्रणाली के नियंत्रण के रूप में clustered federated learning का वर्णन करते हैं, क्लस्टर मॉडल विकसित राज्य के रूप में, ग्राहक राउटिंग पैटर्न नियंत्रण इनपुट के रूप में, और राउटिंग हस्तक्षेप

Machine translation (Meta M2M100); the English original follows.

Abstract

Clustered federated learning (CFL) can suffer from cluster collapse. In particular, under unfavorable initialization, early client assignments concentrate heterogeneous groups on one cluster model, which is then trained toward a pooled compromise, while another model receives no updates. Since the current models determine client routing and routing determines subsequent model updates, we formulate clustered federated learning as control of an unknown dynamical system, with cluster models as the evolving state, client routing patterns as the control input, and routing interventions as state dep

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange