文献

J-GLOBAL ID：201802284873232784   整理番号：18A0586652

律速ネットワーク上の確率的学習のための分散型ミラー降下【Powered by NICT】

Distributed mirror descent for stochastic learning over rate-limited networks

著者 (2件)： Nokleby Matthew (Wayne State University, Detroit, MI) ,  Bajwa Waheed U. (Rutgers University, Piscataway, NJ)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAMSAP  ページ： 1-5  発行年： 2017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： 律速ネットワーク上での高速データストリームからの分散,確率的最適化のための二つのアルゴリズム分散確率近似ミラー降下(D SAMD)及び加速分散確率近似ミラー降下(AD SAMD)と呼ばれる を示し,解析した。デバイスは,データストリームにおけるミニバッチ試料による高速ストリーミング速度と,分散コンセンサスによる協調分散劣勾配の分散低減平均を計算した。これはトレードオフ:ミニバッチは効果的なストリーミング速度を低下させ,収束をスローダウンさせる可能性を誘導する。はこのトレードオフを特性化する二つの理論的寄与を提示した(i)D SAMDとAD SAMDの収束率の限界,及び(ii)D SAMDとAD SAMDのため最適収束のための十分条件,ネットワークサイズ/トポロジーとデータストリーミングと通信速度の比である。AD SAMDはD SAMDより大きい領域における秩序最適収束を達成することを見出した。数値実験を用いて提案したアルゴリズムの有効性を示した。Copyright 2018 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： 位相幾何学 ,  *律速 ,  伝送速度 ,  高速度 ,  十分条件 ,  ストリーミング ,  *ネットワーク ,  アルゴリズム ,  確率近似
準シソーラス用語： 数値実験 ,  データストリーミング ,  分散合意 ,  確率的最適化 ,  データストリーム ,  *確率学習 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 律速 ,  確率的学習 ,  ミラー ,  降下