通信効率の良い分散固有空間推定【JST・京大機械翻訳】

Charisopoulos Vasileios; Benson Austin R.; Damle Anil

プレプリント

J-GLOBAL ID：202202208922819542 整理番号：21P0047351

通信効率の良い分散固有空間推定【JST・京大機械翻訳】

Communication-efficient distributed eigenspace estimation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年09月04日プレプリントサーバーでの情報更新日： 2021年04月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分散コンピューティングは,大量のデータを処理するための機械学習とデータ科学アルゴリズムをスケールアップするための標準方法である。そのような設定において,機械間の通信を避けることは,高性能を達成するために重要である。既存のアルゴリズムの計算を分配するよりも,通信を回避するための一般的な実践は,各マシンに関する局所解またはパラメータ推定を計算し,次に結果を組み合わせることである。多くの凸最適化問題において,局所解の簡単な平均化でさえ,よく働くことができる。しかし,これらのスキームは,局所解がユニークでないときは動作しない。スペクトル法はそのような問題の収集であり,そこでは,解が関連するデータ行列の先行不変部分空間の正正規基底であり,それは回転と反射まで唯一ユニークである。ここでは,データ行列の主要不変部分空間を計算するための通信効率の良い分散アルゴリズムを開発した。このアルゴリズムは,局所解と参照解の間のProcrustean距離を最小化する新しいアラインメント方式を使用し,単一ラウンドの通信を必要とするだけであった。主成分分析(PCA)の重要な事例に対して,提案アルゴリズムが集中推定器のそれと類似の誤り率を達成することを示した。分散PCAに対する提案アルゴリズムの有効性を示す数値実験と,解がグラフデータのノード埋込みや二次センシングのためのスペクトル初期化のような回転対称性を示す他の問題を示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 通信網 , システム同定

, ,

前のページに戻る