Sebastian U. Stich

2009–2026 年に発表

106
論文数
20,917
被引用数
37
h 指数
64
i10 指数

被引用数

Sebastian U. Stich の年別被引用数2001 年: 被引用 1 件2007 年: 被引用 2 件2008 年: 被引用 1 件2010 年: 被引用 3 件2011 年: 被引用 2 件2012 年: 被引用 3 件2013 年: 被引用 3 件2014 年: 被引用 6 件2015 年: 被引用 6 件2016 年: 被引用 4 件2017 年: 被引用 11 件2018 年: 被引用 29 件2019 年: 被引用 193 件2020 年: 被引用 816 件2021 年: 被引用 1,415 件2022 年: 被引用 1,305 件2023 年: 被引用 1,468 件2024 年: 被引用 1,534 件2025 年: 被引用 1,365 件2026 年: 被引用 457 件2002〜2006 年は被引用が無いため表示していません2009 年は被引用が無いため表示していません

引用元

国・地域

この著者を引用した国・地域の世界地図中国: 引用元論文 1,943 件、この内訳の 25.3%アメリカ合衆国: 引用元論文 1,551 件、この内訳の 20.2%イギリス: 引用元論文 393 件、この内訳の 5.1%香港: 引用元論文 270 件、この内訳の 3.5%オーストラリア: 引用元論文 264 件、この内訳の 3.4%ドイツ: 引用元論文 259 件、この内訳の 3.4%カナダ: 引用元論文 235 件、この内訳の 3%韓国: 引用元論文 195 件、この内訳の 2.5%シンガポール: 引用元論文 189 件、この内訳の 2.5%インド: 引用元論文 169 件、この内訳の 2.2%フランス: 引用元論文 168 件、この内訳の 2.2%イタリア: 引用元論文 163 件、この内訳の 2.1%
0%25.3%その他 24.6%

分野

  • Computer Science86.9%
  • Engineering6.1%
  • Medicine1.4%
  • Decision Sciences1%
  • Mathematics0.9%
  • Social Sciences0.7%
  • その他3%

トピック

  • Privacy-Preserving Technologies in Data23%
  • Stochastic Gradient Optimization Techniques10.6%
  • Cryptography and Data Security5.9%
  • Adversarial Robustness in Machine Learning2.9%
  • Mobile Crowdsensing and Crowdsourcing2.5%
  • Domain Adaptation and Few-Shot Learning2.5%
  • その他52.6%

共著者

全論文

検索で開く
  1. Advances and Open Problems in Federated Learning

    著者: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Jakub Konecný, Aleksandra Korolova, Farinaz Koushanfar, Sanmi Koyejo, Tancrède Lepoint, Yang Liu, Prateek Mittal, Mehryar Mohri, Richard Nock, Ayfer Özgür, Rasmus Pagh, Hang Qi, Daniel Ramage, Ramesh Raskar, Mariana Raykova, Dawn Song, Weikang Song, Sebastian U. Stich, Ziteng Sun, Ananda Theertha Suresh, Florian Tramèr, Praneeth Vepakomma, Jianyu Wang, Li Xiong, Zheng Xu, Qiang Yang, Felix X. Yu, Han Yu, Sen Zhao - Foundations and Trends® in Machine Learning, Found. Trends Mach. Learn. 2020 被引用: 4,744

  2. Advances and Open Problems in Federated Learning

    著者: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Aleksandra Korolova, Farinaz Koushanfar, Sanmi Koyejo, Tancrède Lepoint, Yang Liu, Prateek Mittal, Mehryar Mohri, Richard Nock, Ayfer Özgür, Rasmus Pagh, Mariana Raykova, Hang Qi, Daniel Ramage, Ramesh Raskar, Dawn Song, Weikang Song, Sebastian U. Stich, Ziteng Sun, Ananda Theertha Suresh, Florian Tramèr, Praneeth Vepakomma, Jianyu Wang, Li Xiong, Zheng Xu, Qiang Yang, Felix X. Yu, Han Yu, Sen Zhao - CoRR 2019 被引用: 1,103

  3. Ensemble Distillation for Robust Model Fusion in Federated Learning

    著者: , , , - NeurIPS 2020 被引用: 1,528

  4. A Field Guide to Federated Optimization

    著者: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Luyang Liu, Mehryar Mohri, Hang Qi, Sashank J. Reddi, Peter Richtárik, Karan Singhal, Virginia Smith, Mahdi Soltanolkotabi, Weikang Song, Ananda Theertha Suresh, Sebastian U. Stich, Ameet Talwalkar, Hongyi Wang, Blake E. Woodworth, Shanshan Wu, Felix X. Yu, Honglin Yuan, Manzil Zaheer, Mi Zhang, Tong Zhang, Chunxiang Zheng, Chen Zhu, Wennan Zhu - arXiv (Cornell University), CoRR 2021 被引用: 378

  5. Local SGD Converges Fast and Communicates Little

    著者: - ICLR (Poster) 2019 被引用: 1,286

  6. SCAFFOLD: Stochastic Controlled Averaging for On-Device Federated Learning

    著者: , , , , , - arXiv (Cornell University), CoRR 2019 被引用: 735

  7. Mime: Mimicking Centralized Stochastic Algorithms in Federated Learning

    著者: , , , , , , - arXiv (Cornell University), CoRR 2020 被引用: 181

  8. Analysis of SGD with Biased Gradient Estimators

    著者: , - arXiv (Cornell University), CoRR 2020 被引用: 105

  9. Unified Optimal Analysis of the (Stochastic) Gradient Method

    著者: - arXiv (Cornell University), CoRR 2019 被引用: 108

  10. Don't Use Large Mini-Batches, Use Local SGD

    著者: , , , - ICLR 2020 被引用: 470

  11. Stochastic distributed learning with gradient quantization and double-variance reduction

    著者: , , , , - Optimization methods & software, Optim. Methods Softw. 2022 被引用: 46

  12. The Error-Feedback Framework: Better Rates for SGD with Delayed Gradients and Compressed Communication

    著者: , - arXiv (Cornell University), CoRR 2019 被引用: 126

  13. Dynamic Model Pruning with Feedback

    著者: , , , , - ICLR 2020 被引用: 232

  14. Decentralized Deep Learning with Arbitrary Communication Compression

    著者: , , , - ICLR 2020 被引用: 272

  15. Global linear convergence of Newton's method without strong-convexity or Lipschitz gradients

    著者: , , - arXiv (Cornell University), CoRR 2018 被引用: 47

  16. On Communication Compression for Distributed Optimization on Heterogeneous Data

    著者: - arXiv (Cornell University), CoRR 2020 被引用: 28

  17. Sharper Convergence Guarantees for Asynchronous SGD for Distributed and Federated Learning

    著者: , , - NeurIPS 2022 被引用: 123

  18. Sparsified SGD with Memory

    著者: , , - NeurIPS 2018 被引用: 894

  19. Error Feedback Fixes SignSGD and other Gradient Compression Schemes

    著者: , , , - ICML 2019 被引用: 656

  20. Breaking the centralized barrier for cross-device federated learning

    著者: , , , , , , - Neural Information Processing Systems, NeurIPS 2021 被引用: 109

  21. Decentralized Stochastic Optimization and Gossip Algorithms with Compressed Communication

    著者: , , - ICML 2019 被引用: 612

  22. Stochastic Distributed Learning with Gradient Quantization and Variance Reduction

    著者: , , , , - arXiv (Cornell University) 2019 被引用: 117

  23. Decentralized Gradient Tracking with Local Steps

    著者: , , , - Optimization methods & software, Optim. Methods Softw. 2024 被引用: 24

  24. Characterizing & Finding Good Data Orderings for Fast Convergence of Sequential Gradient Methods

    著者: , , - arXiv (Cornell University), CoRR 2022 被引用: 16