Docente a contratto e/o collaboratore didattico
Dipartimento di Automatica e Informatica (DAUIN)
Collaboratore Esterno
Dipartimento di Automatica e Informatica (DAUIN)
Didattica
Insegnamenti
Corso di laurea di 1° livello
- Informatica. A.A. 2026/27, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Informatica. A.A. 2025/26, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Informatica. A.A. 2024/25, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Informatica. A.A. 2023/24, INGEGNERIA INFORMATICA. Collaboratore del corso
- Informatica. A.A. 2022/23, INGEGNERIA INFORMATICA. Collaboratore del corso
Ricerca
Gruppi di ricerca
Pubblicazioni
Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris
- Malan, Erich (2026)
Distributed and Federated Learning over IoT networks. relatore: CALIMERA, ANDREA; MACII, Enrico; , 38. XXXVIII Ciclo, P.: 183
Doctoral Thesis - Malan, Erich; Peluso, Valentino; Calimera, Andrea; Macii, Enrico (2026)
FedAGF: Adaptive Concurrency via Gradient Feedback for Mitigating Extreme Label Skew in Budget-Constrained Federated Learning. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. I, REGULAR PAPERS, vol. 73, pp. 3835-3848. ISSN 1549-8328
Contributo su Rivista - Malan, Erich; Peluso, Valentino; Calimera, Andrea; Macii, Enrico (2025)
Gradient-Aware Participation for Energy Reduction in Federated Learning with Extreme Label Skew. In: International Joint Conference on Neural Networks (IJCNN), Rome (ITA), June 30-July 5, 2025. ISBN: 979-8-3315-1042-8
Contributo in Atti di Convegno (Proceeding) - Malan, Erich; De Vizia, Claudia; Castangia, Marco; Peluso, Valentino; Calimera, Andrea; ... (2025)
Privacy-Preserving Federated Learning for Household Characteristic Identification. In: 2025 IEEE 49th Annual Computers, Software, and Applications Conference (COMPSAC), Toronto ON (CAN), 08-11 July 2025, pp. 2040-2045. ISBN: 979-8-3315-7434-5
Contributo in Atti di Convegno (Proceeding) - Malan, Erich; Peluso, Valentino; Calimera, Andrea; Macii, Enrico (2025)
Adaptive Client Participation in Budget-Constrained Federated Learning with Extreme Label Skew. In: 2025 23rd IEEE Interregional NEWCAS Conference (NEWCAS), Paris (FRA), 22-25 June 2025, pp. 15-19. ISBN: 979-8-3315-3256-7
Contributo in Atti di Convegno (Proceeding)