文献

J-GLOBAL ID：201702250430737542   整理番号：17A0414983

大規模最適化のための二重確率アルゴリズム【Powered by NICT】

Doubly stochastic algorithms for large-scale optimization

著者 (3件)： Koppel Alec (Department of Electrical and Systems Engineering, University of Pennsylvania, 200 South 33rd Street, Philadelphia, PA 19104) ,  Mokhtari Aryan (Department of Electrical and Systems Engineering, University of Pennsylvania, 200 South 33rd Street, Philadelphia, PA 19104) ,  Ribeiro Alejandro (Department of Electrical and Systems Engineering, University of Pennsylvania, 200 South 33rd Street, Philadelphia, PA 19104)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ACSSC  ページ： 1705-1709  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 数の訓練例,特徴ベクトルの次元,両者は大規模なトレーニング集合上の学習問題を考察した。これらの問題を解決するために,ランダム並列確率アルゴリズム(RAPSA)を提案した。特徴ベクトルのブロックのランダムに選ばれたサブセットで動作する複数のプロセッサを利用するので,筆者らは,このアルゴリズムはランダム並列と呼ぶ。プロセッサは,訓練集合の要素を選ぶランダムかつ独立してので,アルゴリズムは,確率的と呼ぶ。これら次元のいずれかに平行であることをアルゴリズムが存在するが,RAPSAは両方で平行であることを方法論,ブロックの選択と訓練集合の要素の選択最初の試みである。RAPSAでは,ランダムに選択した関数をランダムに選択したブロックを伴った確率的勾配成分を計算するためのプロセッサ。非同期並列計算アーキテクチャ上で実行されるとき,このタイプの二重確率近似法の強凸関数上の古典的確率的勾配降下のそれに匹敵する収束挙動を示すことを示した ステップサイズを低減するために,非同期RAPSAは期待リスクのミニマイザに収束する。線形推定問題に関する経験的アルゴリズム性能だけでなく,MNIST手書き数字データセットを用いた2値画像分類を説明した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 部分集合 ,  二値画像 ,  計算機アーキテクチャ ,  線形予測 ,  演算プロセッサ ,  確率近似 ,  数字 ,  *アルゴリズム ,  凸関数 ,  学習 ,  並列演算
準シソーラス用語： 手書き ,  ステップサイズ ,  特徴ベクトル ,  *確率アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (2件)： 大規模最適化 ,  確率アルゴリズム