主页

文件

提交文件

新闻

编辑委员会

开源软件

程序(PMLR)

交易(TMLR)

搜索

统计

登录

常见问题

联系我们



RSS源

基于时间可变有向图的分散字典学习

Amir Daneshmand、Ying Sun、Gesualdo Scutari、Francisco Facchinei、Brian M.Sadler; 20(139):1−62, 2019.

摘要

本文研究了字典学习问题,其中学习任务分布在多智能体网络上,建模为时变有向图。例如,在大数据场景中,由于资源限制、通信开销或隐私问题,在不同位置(例如传感器、云)收集/存储大量数据,并且在融合中心聚合和/或处理所有数据可能效率低下或不可行,这一公式是相关的。我们为这类非凸问题建立了一个统一的分散算法框架,证明了该框架以次线性速度收敛到平稳解。新方法基于逐次凸逼近技术,结合分散跟踪机制,旨在局部估计和效用平滑部分的梯度。据我们所知,这是第一个可证明收敛的去中心化字典学习算法,更广泛地说,是(时变)(di)图上的双凸问题。

[腹肌][pdf格式][围兜]      
©JMLR公司2019(编辑β)