{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,9,7]]，“日期-时间”：“2024-09-07T08:47:06Z”，“时间戳”：1725698826542}，“出版商位置”：“美国纽约州纽约市”，“引用-计数”：57，“出版者”：“ACM”，“许可证”：[{“开始”：{-date-parts“：[2024,1,4]]，”日期时间“：”2024-01-04T00:00:00Z“，”时间戳“：1704326400000}，“content-version”：“vor”，“delay-in-days”：365，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“funder”：[{“DOI”：“10.13039\/1000006754”，“name”：“陆军研究实验室”，“DOI-asserted-by”：“publisher”，“award”：[“W911NF-17-2-0196”]，“id”：[}“id”:“10.13029\/100006754”，“id-type”：“DOI”，“断言者”：“publisher”}]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2023,1,4]]}，”DOI“：”10.1145\/3571306.3571393“，”type“：”proceedings-article“，”created“：{”date-part“：[2023,1,3]]，”date-time“：”2023-01-03T11:17:1 2Z“，”时间戳“：1672744632000}，”页面“：”80-89“，“update-policy”：“http://\/dx.doi.org\/10.1145\/crossmark-policy”，“source”：”Crossref“，”is-referenced-by-count“：1，”title“：[“冗余对分布式优化和学习中恢复力的影响”]，“prefix”：“10.1145”，“volume”：：“1”，“author”：[{“ORCID”:“http://\/ORCID.org\/00000-0002-4528-3847”，“authenticated-ORCID”：false，“give”：“Shuo”，“family”：“刘”，“sequence”：“first”，“affiliation”：[{“name”：“Georgetown University，United States”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-4252-9319”，“authenticated-ORCID”：false，“given”：”Nirupam“，”family“：”Gupta“，”sequence“：”additional“，”affiliation:[{”name“：”\u00c9cole Polytechnology F\u00e9d\u00e9瑞士洛桑市罗勒“}]}，{“ORCID”（ORCID）：“http://\/orcid.org\/00000-0001-5104-8977”，“authenticated-orcid”：false，“given”：“Nitin H.”，“family”：“Vaidia”，“sequence”：“additional”，“affiliation”：[{“name”：“Georgetown University，United States”}]}]，“member”：“320”，“published-online”：{“date-parts”：[2023,1,4]]}，“reference”：[[{”key“e_1_3_2_1_1_1_1_2”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CDC.2012.6426626”}，{“key”：“e_1_3_2_1_2_1”，“unstructured”：“泽源Allen-Zhu和Elad Hazan.2016。优化目标之间的最佳黑盒减少。arXiv预印arXiv:1603.05642（2016）。泽源·艾伦·朱和伊拉德·哈赞。2016年，优化目标之间的最佳黑盒减少。arXiv预印arXiv:1603.05642（2016）。“}，{”volume-title“：”第十届USENIX网络系统设计与实现研讨会（NSDI 13）“，”年份“：”2013“，”作者“：”Ananthanarayanan Ganesh“，”key“：”e_1_3_2_1_3_1“，”非结构化“：”Ganesh Ananthanaarayanan、Ali Ghodsi、Scott Shenker和Ion Stoica。2013 . 有效的掉队者缓解：克隆人的攻击。在第十届USENIX网络系统设计与实现研讨会（NSDI 13）上。185\u2013198。Ganesh Ananthanaarayanan、Ali Ghodsi、Scott Shenker和Ion Stoica。2013年，有效缓解掉队者：克隆人的攻击。在第十届USENIX网络系统设计与实现研讨会（NSDI 13）上。185\u2013198.“}，{”key“：”e_1_3_2_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/JPROC.2020.3026619”}，“volume-title”：“第31届神经信息处理系统国际会议论文集。118\u2013128”，“年份”：“2017”，“作者”：“Blanchard Peva”，“key”：“e_3_2_5_1”，”非结构化“：”Peva Blanchard、El\u00a0Mahdi El\u00a0Mhamdi、Rachid Guerraoui和Julien Stainer。2017 . 与对手的机器学习：拜占庭容忍梯度下降。第31届神经信息处理系统国际会议论文集。118\u2013128。佩瓦·布兰查德（Peva Blanchard）、艾尔瓦·马赫迪（El\u00a0Mahdi）、艾尔瓦·哈姆迪（El\ u00a0）、拉希德·格拉乌伊（Rachid Guerraoui）和朱利安·斯塔纳（Julien Stainer）。2017.与对手的机器学习：拜占庭容忍梯度下降。第31届神经信息处理系统国际会议论文集。118\u2013128.“}，{“volume-title”：“在线学习和随机近似。神经网络在线学习17，9”，“年份”：“1998”，“作者”：“Bottou L\u00e9on”，“密钥”：“e_1_3_2_1_6_1”，“非结构化”：“L\u001e9on Bottou.1998。在线学习和随机近似。神经网络中的在线学习17，9（1998），142。博图L\u00e9。1998年。在线学习和随机近似。神经网络中的在线学习17，9（1998），142。“}，{“卷时间”：“神经信息处理系统的进展20（NIPS）”，“年份”：“2007年”，“作者”：“Bottou L\u00e9on”，“密钥”：“e_1_3_2_1_7_1”，“非结构化”：“L\u000e9on Bottous and Olivier Bousquet.2008。大规模学习的权衡。神经信息处理系统进展20（NIPS 2007）。NIPS基金会，161\u2013168。Bottou和Olivier Bousquet的L\u00e9。2008年，大规模学习的权衡。神经信息处理系统进展20（NIPS 2007）。NIPS基金会，161\u2013168.“}，{”key“：”e_1_3_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1137\/16M1080173”}，“volume-title”：“通过乘数交替方向方法进行分布式优化和统计学习”，“author”：“Boyd Stephen”，“key”：“e_1_ 3_2_1 _9_1”，“unstructured”：“Stephen Boyd，Neal Parikh，and Eric Chu.2011。通过交替方向乘数法进行分布式优化和统计学习。现为Publishers Inc。斯蒂芬·博伊德（Stephen Boyd）、尼尔·帕里克（Neal Parikh）和埃里克·朱（Eric Chu）。2011年，通过乘数交替方向方法进行分布式优化和统计学习。Now Publishers Inc.“}，{“volume-title”：“机器学习国际会议。PMLR，903\u2013912”，“年份”：“2018”，“作者”：“陈玲娇”，“密钥”：“e_1_3_2_10_1”，”非结构化“：”陈凌娇、王宏毅、查查里·查尔斯和迪米特里斯·帕皮利奥普洛斯。2018 . 德拉科：通过冗余梯度进行拜占庭式的分布式训练。在机器学习国际会议上。PMLR，903\u2013912。陈凌娇、王宏毅、查查里·查尔斯和迪米特里斯·帕皮利奥普洛斯。2018年，德拉科：通过冗余梯度进行拜占庭式的分布式训练。在机器学习国际会议上。PMLR，903\u2013912.“}，{”key“：”e_1_3_2_11_1“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1145\/3154503”，“article-title”：“对抗环境下的分布式统计机器学习：拜占庭梯度下降”，“volume”：“1“，“author”：“Chen Yudong”，“year”：“2017”，“unstructured”：“陈玉东、苏丽丽和徐嘉明。2017 . 对抗环境中的分布式统计机器学习：拜占庭梯度下降。ACM计算机系统测量与分析会议录1，2（2017），2013年1月25日。陈玉东、苏丽丽和徐嘉明。2017.对抗环境中的分布式统计机器学习：拜占庭梯度下降。ACM关于计算系统测量和分析的会议记录1，2（2017），1\u201325.”，“新闻标题”：“ACM关于计算机系统测量和解析的会议记录”}，{“关键”：“e_1_3_2_12_1”，“非结构化”：“Tarin Clanuwat Mikel Bober-Irizar Asanobu Kitamoto Alex Lamb Kazuaki Yamamoto and David Ha.2018。日本古典文学深度学习。arXiv预印本arXiv：1812.01718（2018）。塔林·克兰努瓦特·米凯尔·博贝尔·伊里扎尔·阿萨诺布·北本亚历克斯·兰姆·山本和大卫·哈。2018年，日本古典文学深度学习。arXiv预印arXiv:1812.01718（2018）。“}，{”key“：”e_1_3_2_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.advwatres.2011.04.013”}，“volume-title”：“The Conference on Systems and Machine Learning（SysML）”，“year”：“2019”，“author”：“Damaskinos Georgios”，“key”：“e_3_21_14_1”，“unstructured”：”乔治奥斯·达马斯基诺斯（Georgios Damaskinos）、El\u00a0Mahdi El\u0a0Chamdi、Rachid Guerraoui、Arsany Hany\u00a 0Abdelmessih Guirguis和S\u00e9bastien Louis\u00a0 Alexandre Rouault。2019 . 聚合器：通过鲁棒梯度聚合进行拜占庭机器学习。2019年，系统与机器学习会议（SysML）。乔治奥斯·达马斯基诺斯（Georgios Damaskinos）、El\u00a0Mahdi El\u0a0Chamdi、Rachid Guerraoui、Arsany Hany\u00a 0Abdelmessih Guirguis和S\u00e9bastien Louis\u00a0 Alexandre Rouault。2019.Aggregathor：通过强大的梯度聚合实现拜占庭式机器学习。在The Conference on Systems and Machine Learning（SysML），2019年。“}，{“volume-title”：“SAGA：支持非强凸复合目标的快速增量梯度法。arXiv预印本arXiv:1407.0202（2014）。”，“年份”：“2014”，“作者”：“Defazio Aaron”，“密钥”：“e_1_3_2_15_1”，“非结构化”：“亚伦·德法齐奥（Aaron Defazio）、弗朗西斯·巴赫（Francis Bach）和西蒙·拉科斯特·朱利安（Simon Lacoste-Julien）。2014 . SAGA：一种支持非强凸复合目标的快速增量梯度方法。arXiv预印本arXiv：1407.0202（2014）。亚伦·德法齐奥（Aaron Defazio）、弗朗西斯·巴赫（Francis Bach）和西蒙·拉科斯特·朱利安（Simon Lacoste-Julien）。2014.SAGA：支持非强凸复合目标的快速增量梯度法。arXiv预印本arXiv:1407.0202（2014）。“}，{”key“：”e_1_3_2_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TAC.2016.2525015”}，“key”：“e_1_ 3_2_17_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2796314.2745873“}tin Vaidya，2021年。基于范数比较梯度消除的拜占庭容错分布式机器学习。2021年，IEEE第51届年度可靠系统和网络国际研讨会（DSN-W）。IEEE 175\u2013181。Nirupam Gupta Shuo Liu和Nitin Vaidya。2021.采用基于范数的比较梯度消除的拜占庭容错分布式机器学习。2021年IEEE第51届年度可靠系统和网络国际研讨会（DSN-W）。IEEE 175\u2013181.“，”DOI“：”10.1109\/DSN-W52860.2021.0037“}，{”key“：”e_1_3_2_19_1“，”unstructured“：”Nirupam Gupta and Nitin\u00a0H Vaidya.2020。协同优化中的弹性：冗余和独立的成本函数。arXiv预印arXiv:2003.09675（2020）。Nirupam Gupta和Nitin\u00a0H Vaidya。2020年。协作优化的弹性：冗余和独立的成本函数。arXiv预印arXiv:2003.09675（2020）。“}，{”key“：”e_1_3_2_1_20_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ISIT.2018.8437467”}，“{”密钥“：”e_1_3_2_1_21_1“，”非结构化“：”Robert Hannah and Wotao Yin.2017。每秒迭代次数更多，质量相同\u2013为什么异步算法可能大大优于传统算法。arXiv预印arXiv:1708.05136（2017）。罗伯特·汉纳和尹沃涛。2017.每秒迭代次数更多，质量相同\u2013为什么异步算法可能大大优于传统算法。arXiv预印arXiv:1708.05136（2017）。}，{“volume-title”：“使用预测方差减少加速随机梯度下降。神经信息处理系统的进展26”，“年份”：“2013年”，“作者”：“Johnson Rie”，“关键”：“e_1_3_2_1_22_1”，“非结构化”：“Rie Johnson和Tong Zhang.2013。使用预测方差减少加速随机梯度下降。神经信息处理系统的进展26（2013），315\u2013323。Rie Johnson和Tong Zhang。2013年，使用预测方差减少加速随机梯度下降。神经信息处理系统进展26（2013），315\u2013323。“}，{”key“：”e_1_3_2_1_23_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ISIT.2017.8007058”}，“key”：“e_1_ 3_2_1_2 4_1”，“首页”：“5434”，“article-title”：“通过数据编码缓解分布式优化中的拖沓”，”volume“：“30”，“author”：“Karakus Can”，《年份》：“2017年，“非结构化”：“坎卡拉库斯、孙一凡、苏哈斯·迪加维和尹沃涛。2017 . 通过数据编码减少分布式优化中的掉队现象。神经信息处理系统进展30（2017），5434\u2013 5442。坎卡拉库斯、孙一凡、苏哈斯·迪加维和尹沃涛。2017年。通过数据编码缓解分布式优化中的落后现象。《神经信息处理系统的进展》30（2017），5434\u20135442.“，“期刊标题”：“神经信息处理系统的进展”}，{“密钥”：“e_1_3_2_1_25_1”，“doi断言”：“出版商”，“doi”：“10.5555\/3322706.3362013”}，{“卷标题”：“国际机器学习大会。PMLR，5311\u20135319”，“年份”：“2021”，“作者”：“Karimireddy Sai\u00a0Praneeth”，“key”：“e_1_3_2_1_26_1”，“unstructured”：“Sai\u 0a0Praneeth Karimieddy，Lie He，and Martin Jaggi。2021 . 拜占庭稳健优化的历史教训。在机器学习国际会议上。PMLR，5311\u20135319。Sai\u00a0Praneeth Karimiredy、Lie He和Martin Jaggi。2021.拜占庭稳健优化的历史学习。在机器学习国际会议上。PMLR，5311\u20135319.“}，{”key“：”e_1_3_2_1_27_1“，”unstructured“：”Jakub Kone\u010dn\u1ef3 Brendan McMahan和Daniel Ramage.2015。联合优化：数据中心之外的分布式优化。arXiv预印arXiv:1511.03575（2015）。Jakub Kone\u010dn\u1ef3 Brendan McMahan和Daniel Ramage。2015.联合优化：数据中心以外的分布式优化。arXiv预印arXiv:1511.03575（2015）。“}，{”key“：”e_1_3_2_1_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/357172.357176”}，“{”密钥“：”e_1_3_2_1_29_1“、”非结构化“：”John Langford Alexander Smola和Martin Zinkevich。2009。慢学习者速度快。arXiv预印arXiv:0911.0491（2009）。约翰·朗福德·亚历山大·斯莫拉和马丁·津科维奇。2009年。学习速度慢的人学习速度快。arXiv预印arXiv:0911.0491（2009）。“}，{”volume-title“：”机器学习异步优化.Ph.\u00a0D.Dissertation“，”author“：”Leblond R\u00e9mi“，”key“：”e_1_3_2_1_30_1“，“unstructured”：“R\u0e9mi-Leblond.2018。机器学习的异步优化。博士\u00a0D。论文。PSL研究型大学。雷布隆德（Leblond）。2018.机器学习的异步优化。博士\u00a0D。论文。PSL研究型大学。“}，{”key“：”e_1_3_2_1_31_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109“/5.726791”}，“key”：“e_1_ 3_2_1_1_32_1”，“doi-assert-by”：“publisher”，“doi”：“10.1109 \/TIT.2017.2736066”}、{”key“：“e_ 3_2_33_1”，”首页“：”19“，”article-title“：”“使用参数服务器进行高效通信的分布式机器学习”，“volume”：“27”，“作者”：“李牧”，“年”：“2014年”，“非结构化”：“穆力，大卫·G·安徒生，亚历山大·J·斯莫拉，凯·余。2014 . 使用参数服务器进行高效通信的分布式机器学习。神经信息处理系统进展27（2014），19\u2013 27。Mu Li、David Andersen、Alexander Smola和Kai Yu。2014.使用参数服务器进行高效通信的分布式机器学习。《神经信息处理系统的进展》27（2014），19\u201327.“，“期刊标题”：“神经信息处理体系的进展”}，{“关键”：“e_1_3_2_1_34_1”，“非结构化”：“Shuo Liu.2021。分布式优化和机器学习中的容错研究综述。arXiv预打印arXiv:2106.08545（2021）。刘硕。2021.分布式优化和机器学习中容错性的调查。arXiv预打印arXiv:2106.08545（2021）。“}，{”key“：”e_1_3_2_1_35_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3465084.3467902”}，“key”：“e_1_a_2_1_36_1”，“unstructured”：“Shuo Liu Nirupam Gupta and Nitin\u00a0H.Vaidya.2022。冗余对分布式优化和学习中弹性的影响。arXiv预打印arXiv:2211.08622（2022）。Shuo Liu Nirupam Gupta和Nitin\u00a0H。瓦迪亚。2022.冗余对分布式优化和学习中弹性的影响。arXiv预打印arXiv:2211.08622（2022）。“}，{”key“：”e_1_3_2_1_37_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TAC.2008.2009515”}，“key”：“e_1_a_2_1_38_1”，“unstructured”：“Feng Niu Benjamin Recht Christopher R\u00e9和Stephen\u00a0J Wright.2011。霍格沃德！：一种并行化随机梯度下降的无锁方法。arXiv预印本arXiv:1106.5730（2011）。Feng Niu Benjamin Recht Christopher R\u00e9和Stephen Wright。2011.霍格沃德！：一种并行化随机梯度下降的无锁方法。arXiv预印本arXiv:1106.5730（2011）。“}，{”key“：”e_1_3_2_1_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TNNLS.2020.2979670”}，“volume-title”：“Pytork:一种命令式、高性能的深度学习库。arXiv预印本arXiv:1912.01703（2019）。”，“年份”：“2019”，“作者”：“Paszke Adam”，“key”：“e_3_2_40_1”，“非结构化”：”Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。arXiv预印本arXiv:1912.01703（2019）。Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。arXiv预印本arXiv:1912.01703（2019）。“}，{”key“：”e_1_3_2_1_41_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/984622.984626”}，“key”：“e_1_a_2_1_42_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/CDC.2004.1428778“}”，{。有限训练集的指数收敛率随机梯度法。arXiv预印arXiv:1202.6258（2012）。尼古拉斯·勒·鲁克斯-马克·施密特和弗朗西斯·巴赫。2012.有限训练集指数收敛率的随机梯度法。arXiv预印arXiv:1202.6258（2012）。“}，{”volume-title“：”冗余请求何时减少延迟？IEEE Transactions on Communications 64，2“，”year“：”2015“，”author“：”Shah B“，”key“：”e_1_3_2_1_44_1“，”unstructured“：”Nihar\u00a0 B Shah，Kangwook Lee，and Kannan Ramchandran。2015。冗余请求何时减少延迟？IEEE通信汇刊64，2（2015），715\u2013722。Nihar\u00a0B Shah、Kangwook Lee和Kannan Ramchandran。2015.冗余请求何时减少延迟？IEEE Transactions on Communications 64，2（2015），715\u2013722.“}，{”key“：”e_1_3_2_1_45_1“，”unstructured“：”Shai Shalev-Shwartz and Tong Zhang.2013。加速微支撑随机双坐标上升。arXiv预印arXiv:1305.2581（2013）。Shai Shalev-Shwartz和Tong Zhang。2013年，加快了小背带随机双坐标上升。arXiv预印arXiv:1305.2581（2013）。“}，{“key”：“e_1_3_2_1_46_1”，“doi由”：“publisher”断言，“doi”：“10.1137\/140996668X”}，{“key”：“e_1_3_2_1_47_1”，“doi由”：“crossref”断言，“非结构化”：“S.Sra S.Nowozin and S.J.Wright。2012。机器学习优化。麻省理工学院出版社。S.Sra S.Nowozin和S.J.Wright。2012.机器学习优化。麻省理工学院出版社。“，”DOI“：”10.7551\/mitpress\/8996.0001“}，{”key“：”e_1_3_2_1_48_1“，”unstructured“：”Lili Su和Nitin Vaidya.2015。拜占庭多代理优化：第一部分arXiv预印本arXiv:1506.04681（2015）。莉莉·苏和尼汀·维迪娅。2015.拜占庭多代理优化：第一部分arXiv预印本arXiv:1506.04681（2015）。“}，{”key“：”e_1_3_2_1_49_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/2933057.2933105”}，“volume-title”：“机器学习国际会议。PMLR，3368 \u20133376”，“年份”：“2017”，“作者”：“Tandon Rashish”，“key”：“e_3_21_50_1”，“非结构化”：“拉希什·坦登（Rashish Tandon）、齐磊（Qi Lei）、亚历山大·迪马基斯（Alexandros \u00a0 G Dimakis）和尼科斯·卡拉姆帕齐亚基斯（Nikos Karampatziakis）。2017 . 梯度编码：避免分布式学习中的掉队者。在机器学习国际会议上。PMLR，3368\u20133376。拉希什·坦登（Rashish Tandon）、齐磊（Qi Lei）、亚历山大·迪马基斯（Alexandros\u00a0G Dimakis）和尼科斯·卡拉姆帕齐亚基斯（Nikos Karampatziakis）。2017.梯度编码：避免分布式学习中的掉队者。在机器学习国际会议上。PMLR，3368\u20133376.“}，{”key“：”e_1_3_2_1_51_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TAC.2015.2449811”}，“key”：“e_1_m2_1_52_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/284220.2847223“}”，{2017年拉夫。Fashion-mnist：用于基准机器学习算法的新型图像数据集。arXiv预印arXiv:1708.07747（2017）。韩晓·卡希夫·拉苏尔和罗兰·沃尔格拉夫。2017.Fashion-mnist：一个用于基准机器学习算法的新型图像数据集。arXiv预印arXiv:1708.07747（2017）。“}，{“volume-title”：“芝诺：拜占庭可疑随机梯度下降。arXiv预印本arXiv:1805.10032 24”，“年份”：“2018”，“作者”：“谢聪”，“密钥”：“e_1_3_2_1_54_1”，《非结构化》：“丛谢，奥卢瓦桑米·科耶霍，英德拉尼尔·古普塔。2018。芝诺：Byzantine可疑随机梯度降落。arXiv预印本arXiv:1802.10032 24（2018）Cong Xie、Oluwasanmi Koyejo和Indranil Gupta。2018.芝诺：拜占庭可疑的随机梯度下降。arXiv预印arXiv:1805.10032 24（2018）。“}，{”key“：”e_1_3_2_1_55_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/2946645.3007059”}，“key”：“e_1_3_2_1_56_1”，“doi-assert-by”：“publisher”，”doi“：”10.5555\/3294771.3294839“}”，{“volume-title”：“机器学习国际会议。PMLR，5650\u20135659”，“年份”：“2018”，“作者”：“尹东”，“key”：“e_1_3_2_1_57_1”，“非结构化”：“董寅、陈玉东、兰昌德兰·坎南和彼得·巴特利特。2018 . 拜占庭式分布式学习：走向最佳统计率。在机器学习国际会议上。PMLR，5650\u20135659。董寅、陈玉东、兰昌德兰·坎南和彼得·巴特利特。2018.拜占庭式鲁棒分布式学习：实现最佳统计率。在机器学习国际会议上。PMLR，5650\u20135659.“}]，”event“：{”name“：”ICDCN 2023:第24届分布式计算和网络国际会议“，”缩写词“：”CCN 2023“，”location“：”Kharagpur India“}，”container-title“：[”24届分布式计算机和网络国际大会论文集“]，”原文标题“：[]，”链接“：[{”URL“：”https:\/\/dl.acm.org\/doi\/abs\/10.1145\/3571306.3571393“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”syndication“}，{”URL“：”https:\//dl.acm.org\/doi\/pdf\/10.1145 \/3571206.35711393“，在“}，{”URL“：”https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3571306.3571393“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2024,1,4]，”date-time“：“2024-01-04T06:13:59Z”，”timestamp“：1704348839000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3571306.3571393“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2023,1,4]]}，“引用计数”：57，“alternative-id”：[“10.1145\/3571336.35711393”，“10.1145\/3571306”]，“URL”：“http://\/dx.doi.org\/10.1145 \/35771306.351393”“relation”：{}，“subject”：[]，“published”：{“date-parts”：[[2023,1,4]]}，”assertion“：[{”value“：”2023-01-04“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}