文献

J-GLOBAL ID：201802244312381066   整理番号：18A1771980

適応ネットワーク上の分散結合学習【JST・京大機械翻訳】

Distributed Coupled Learning Over Adaptive Networks

著者 (2件)： Alghunaim Sulaiman A. (Department of Electrical and Computer Engineering, University of California, Los Angeles) ,  Sayed Ali H. (Ecole Polytechnique Federale de Lausanne, School of Engineering, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 6353-6357  発行年： 2018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： 本研究では,局所制約と局所コスト関数の間の部分的結合を含む確率的最適化問題の解のための効果的な分散アルゴリズムを開発した。ネットワーク化エージェントの収集はグローバルモデルの発見に関心があるが,個々のエージェントはモデルの部分にのみ依存するセンシングデータである。さらに,異なるエージェントはモデルの異なるサブセットに依存する可能性がある。このようにして,協力は正当化され,グローバル情報の回復を可能にする必要がある。局所制約の観点から,最適化問題をペナルティ化形式に緩和する方法と,隣接エージェント間の協調を可能にする方法を示した。十分小さいステップサイズと大きなペナルティ因子に対する結果として生じる戦略の平均二乗誤差収束を確立した。また,シミュレーションにより性能を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  最適化問題 ,  費用関数 ,  部分集合 ,  ペナルティ ,  エージェント ,  分散アルゴリズム
準シソーラス用語： ステップサイズ ,  平均二乗誤差 ,  ネットワーク化 ,  確率的最適化 ,  適応ネットワーク , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (2件)： 適応ネットワーク ,  学習