文献

J-GLOBAL ID：201802265086444566   整理番号：18A1597582

分散特徴の下での学習のための指数関数的収束アルゴリズム【JST・京大機械翻訳】

AN EXPONENTIALLY CONVERGENT ALGORITHM FOR LEARNING UNDER DISTRIBUTED FEATURES

著者 (3件)： Ying Bicheng (Department of Electrical Engineering, University of California, Los Angeles) ,  Yuan Kun (Department of Electrical Engineering, University of California, Los Angeles) ,  Sayed Ali H. (School of Engineering, E ́cole Polytechnique Fe ́de ́rale de Lausanne, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DSW  ページ： 185-189  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： 本研究は,大規模データと大規模特徴空間シナリオの両方の下で学習の問題を研究した。特徴情報は,各エージェントがいくつかの特徴を観察するネットワークにおいてエージェントを横切って広がると仮定される。局所協力を通して,エージェントは推論問題を解決するために相互作用すると考えられ,経験的リスクのグローバル最小化に向かって収束する。本論文では,この問題を排他的に研究し,最小化器への収束を保証する新しい効果的な分散解を提案した。これは,動的拡散構築,パイプライン戦略,および変動低減技術を組み合わせることによって達成される。シミュレーション結果は結論を示した。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： 相互作用 ,  エージェント ,  シミュレーション ,  ネットワーク ,  指数関数 ,  *アルゴリズム
準シソーラス用語： 特徴空間 ,  大規模データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  指数関数 ,  収束 ,  アルゴリズム