GPDT

在多处理器系统上训练大规模支持向量机的并行软件介绍了在训练支持向量机分类问题时产生的二次规划的并行软件。该软件实现了一种迭代分解技术,通过分配每个分解迭代的最重计算任务,利用多处理器系统上可用的存储和计算资源。在广泛的理论进展的基础上,系统地描述了相关的分解问题,如二次子问题的求解、梯度更新、工作集的选择,并讨论了它们的精心组合,以获得一个有效的并行工具。与最新的基准问题软件包的比较表明,该软件具有良好的精度和显著的时间节省。此外,在具有数百万个训练样本的真实世界数据集上进行的富有挑战性的实验突出了该软件如何使大规模标准非线性支持向量机在常见的多处理器系统上有效地处理。任何可用代码都不显示此功能。


zbMATH中的参考文献(参考 44篇文章 参考,2标准条款)

显示第1到第20个结果,共44个。
按年份排序(引用)
  1. Crisci,Serena;Porta,Federica;Ruggiero,Valeria;Zanni,Luca:Barzilai-Borwein规则在求解具有上下界的单线性约束优化问题中的谱特性(2020)
  2. Galli,Leonardo;Galligari,Alessandro;Scandrone,Marco:非单调不精确分解方法的统一收敛框架(2020)
  3. Crisci,Serena;Ruggiero,Valeria;Zanni,Luca:盒约束二次规划梯度投影方法中的步长选择(2019)
  4. di Serafino,Daniela;Ruggiero,Valeria;Toraldo,Gerardo;Zanni,Luca:关于无约束优化梯度法中的步长选择(2018)
  5. di Serafino,Daniela;Toraldo,Gerardo;Viola,Marco;Barlow,Jesse:求解具有单一线性约束和变量边界的二次规划问题的两阶段梯度法(2018)
  6. Manno,Andrea;Palagi,Laura;Sagratella,Simone:线性约束问题的并行分解方法及其在SVMs训练中的应用(2018)
  7. Piccialli,Veronica;Scandrone,Marco:非线性优化和支持向量机(2018)
  8. 阎锡红;王凯;何宏进:论比例梯度投影法的收敛速度(2018)
  9. Amaral,Sergio;Allaire,Douglas;Willcox,Karen:概率测度变化的最优(L_2)-范数经验重要性权重(2017)
  10. Chen,Tianyi;Curtis,Frank E.;Robinson,Daniel P.:最小化(\ell_1)-正则化凸函数的缩减空间算法(2017)
  11. Nosratipour,Hadi;Fard,Omid Solaymani;Borzabadi,Akbar Hashemi;Sarani,Farhad:模糊环境下有效非单调全局Barzilai-Borwein梯度法的双杆桁架稳定平衡配置(2017)
  12. Stanković,Ljubiša;Daković,Miloš;Vujović,Stefan:脉冲干扰环境中稀疏信号的重建(2017)
  13. Stanković,Ljubiša;Daković,Miloš:基于梯度的信号/测量域稀疏信号重建算法(2016)
  14. Camelo,S.A.;González Lima,M.D.;Quiroz,A.J.:支持向量机的最近邻方法(2015年)
  15. 牛凌峰;周瑞智;赵,喜;石,勇:训练有界约束支持向量机的两种新分解算法(2015)
  16. Beck,Amir:求解双面单纯形约束极小化问题的2坐标下降法(2014)
  17. Cassioli,A.;Di Lorenzo,D.;Scandrone,M.:关于约束优化的非精确块坐标下降法的收敛性(2013)
  18. 戴玉红:巴兹莱-波文梯度法的新分析(2013)
  19. 何宏进;韩德仁;李志宝:变分不等式的BB步长投影法(2012)
  20. Gonzalez Lima,Maria D.;Hager,William W.;Zhang,Hongchao:连续背包约束的仿射尺度内点法及其在支持向量机中的应用(2011)