Towards Vox Populi in Federated Learning: A Fair and Inclusive Client Selection Framework

Sarhad Arisdakessian, Osama Wehbi, Omar Abdul Wahab, Azzam Mourad et Hadi Otrok

Article de revue (2025)

Un lien externe est disponible pour ce document

Département:	Département de génie informatique et génie logiciel
URL de PolyPublie:	https://publications.polymtl.ca/68745/
Titre de la revue:	IEEE Transactions on Artificial Intelligence (vol. 1)
Maison d'édition:	Institute of Electrical and Electronics Engineers
DOI:	10.1109/tai.2025.3609733
URL officielle:	https://doi.org/10.1109/tai.2025.3609733
Date du dépôt:	22 sept. 2025 11:27
Dernière modification:	22 sept. 2025 11:27

Citer en APA 7:	Arisdakessian, S., Wehbi, O., Abdul Wahab, O., Mourad, A., & Otrok, H. (2025). Towards Vox Populi in Federated Learning: A Fair and Inclusive Client Selection Framework. IEEE Transactions on Artificial Intelligence, 1, 1-15. https://doi.org/10.1109/tai.2025.3609733
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel