マルチエージェント連合学習のための完全分散スケーラブルGaussプロセス【JST・京大機械翻訳】

Kontoudis George P.; Stilwell Daniel J.

プレプリント

J-GLOBAL ID：202202219716791269 整理番号：22P0299515

マルチエージェント連合学習のための完全分散スケーラブルGaussプロセス【JST・京大機械翻訳】

Fully Decentralized, Scalable Gaussian Processes for Multi-Agent Federated Learning

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 (2件)： ,
資料名：
発行年： 2022年03月05日プレプリントサーバーでの情報更新日： 2022年03月05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)

本論文では,マルチエージェントシステムにおけるGaussプロセス(GP)訓練および予測のための分散およびスケーラブルアルゴリズムを提案した。GP訓練最適化アルゴリズムの実装を分散するために,乗算器(ADMM)の交互方向法を採用した。分散近位ADMMの閉形式解を最尤推定によるGPハイパーパラメータ訓練の場合に対して提供した。GP予測のための多重凝集技術は,反復およびコンセンサス法を用いて分散する。さらに,予測を行うためのエージェントの部分集合を可能にする共分散ベースの最近傍選択戦略を提案した。提案方法の有効性を,合成および実データに関する数値実験によって例証した。【JST・京大機械翻訳】

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

信号理論 , 人工知能

, ,

前のページに戻る