EUVIMEDEUVIMED entdecken
Crossref

FedSplitX: Federated split learning for computationally-constrained heterogeneous clients

Jiyun Shin, Joonwoo Bae, Honggu Kang, Seongah Jeong, Jin-Hyun Ahn

Neurocomputing · 2026-11 · 702 · 134671

DOI: 10.1016/j.neucom.2026.134671 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Neurocomputing, 2026-11. Verfasst von Jiyun Shin und 4 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 43 Literaturangaben. Gefördert von: National Research Foundation of Korea.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • National Research Foundation of Korea

Zitieren

APA

Shin, J., Bae, J., Kang, H., Jeong, S., & Ahn, J. (2026). FedSplitX: Federated split learning for computationally-constrained heterogeneous clients. Neurocomputing, 702, 134671. https://doi.org/10.1016/j.neucom.2026.134671

Vancouver

Shin J, Bae J, Kang H, Jeong S, Ahn J. FedSplitX: Federated split learning for computationally-constrained heterogeneous clients. Neurocomputing. 2026;702:134671. doi:10.1016/j.neucom.2026.134671

BibTeX
@article{Shin2026,
  author = {Shin, Jiyun and Bae, Joonwoo and Kang, Honggu and Jeong, Seongah and Ahn, Jin-Hyun},
  title = {FedSplitX: Federated split learning for computationally-constrained heterogeneous clients},
  journal = {Neurocomputing},
  year = {2026},
  volume = {702},
  pages = {134671},
  doi = {10.1016/j.neucom.2026.134671}
}
Kostenlos starten →