Postdoktor
Angelo Rodio är postdoktor vid Linköpings universitet, Sverige.
Han arbetar med decentraliserad maskininlärning tillsammans med professor Erik G. Larsson och universitetslektor Zheng Chen.
Han avlade sin doktorsexamen vid Inria, Frankrike, i juli 2024, där han arbetade med federerad inlärning.
Hans publikationer finns tillgängliga på Google Scholar, och mer information finns på hans personliga webbplats.
Chuan Xu, Caelin Kaplan, Angelo Rodio, Tareq Si Salem, Giovanni Neglia, 
Federated Learning for Collaborative Inference Systems: The case of early exit networks, Performance evaluation (Print) 171:102538 (2026) 
https://doi.org/10.1016/j.peva.2025.102538
Angelo Rodio, Giovanni Neglia, Zheng Chen, Erik G. Larsson, A Unified Convergence Analysis for Semi-Decentralized Learning: Sampled-to-Sampled vs. Sampled-to-All Communication (2025) 
https://arxiv.org/abs/2511.11560
Angelo Rodio, Zheng Chen, Erik G. Larsson, Optimizing Privacy-Utility Trade-off in Decentralized Learning with Generalized Correlated Noise (2025) https://arxiv.org/abs/2501.14644
Angelo Rodio, Giovanni Neglia, FedStale: leveraging stale client updates in federated learning (2024) https://arxiv.org/abs/2405.04171
Angelo Rodio, Francescomaria Faticanti, Othmane Marfoq, Giovanni Neglia, Emilio Leonardi, Federated Learning under Heterogeneous and Correlated Client Availability (2023) https://arxiv.org/abs/2301.04632