分布式交替方向乘子法研究.doc
猫巷****永安
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
分布式交替方向乘子法研究.doc
分布式交替方向乘子法研究随着数据信息的爆炸式增长,传统的运行在单机上的机器学习方法不能有效地处理现实应用中的大规模数据,而且分布式数据的集中化处理会造成数据采集的额外开销,这些情况都给大数据分析带来了新的挑战。分布式机器学习是随着"大数据"概念兴起的,而且分布式技术被用来解决大规模机器学习等问题。在众多的分布式算法中,交替方向乘子法(AlternatingDirectionMethodofMultipliers,ADMM)是因其高分解性和收敛性得到广泛的关注。ADMM通过将原始问题转化为全局一致性问题,能
分布式在线交替方向乘子法.docx
分布式在线交替方向乘子法摘要:针对如何对分布式网络采集的数据进行在线学习的问题提出了一种基于交替方向乘子法(ADMM)的分布式在线学习优化算法――分布式在线交替方向乘子法(DOM)。首先针对分布式在线学习需要各节点根据新采集的数据来更新本地估计同时保持网络中所有节点的估计趋于一致这一问题建立了数学模型并设计DOM算法对其进行求解。其次针对分布式在线学习问题定义了Regret界用以表征在线估计的性能;证明了当本地即时损失函数是凸函数时DOM算法是收敛的并给出了其收敛速度。最后
分布式在线交替方向乘子法.docx
分布式在线交替方向乘子法摘要:针对如何对分布式网络采集的数据进行在线学习的问题提出了一种基于交替方向乘子法(ADMM)的分布式在线学习优化算法――分布式在线交替方向乘子法(DOM)。首先针对分布式在线学习需要各节点根据新采集的数据来更新本地估计同时保持网络中所有节点的估计趋于一致这一问题建立了数学模型并设计DOM算法对其进行求解。其次针对分布式在线学习问题定义了Regret界用以表征在线估计的性能;证明了当本地即时损失函数是凸函数时DOM算法是收敛的并给出了其收敛速度。最后
分布式在线交替方向乘子法.docx
分布式在线交替方向乘子法摘要:针对如何对分布式网络采集的数据进行在线学习的问题提出了一种基于交替方向乘子法(ADMM)的分布式在线学习优化算法――分布式在线交替方向乘子法(DOM)。首先针对分布式在线学习需要各节点根据新采集的数据来更新本地估计同时保持网络中所有节点的估计趋于一致这一问题建立了数学模型并设计DOM算法对其进行求解。其次针对分布式在线学习问题定义了Regret界用以表征在线估计的性能;证明了当本地即时损失函数是凸函数时DOM算法是收敛的并给出了其收敛速度。最后
基于交替方向乘子法的非光滑损失坐标优化算法.docx
基于交替方向乘子法的非光滑损失坐标优化算法文章编号:10019081(2013)07191205doi:10.11772/j.issn.10019081.2013.07.1912摘要:交替方向乘子法(ADMM)在机器学习问题中已有一些实际应用。针对大规模数据的处理和非光滑损失凸优化问题将镜面下降方法引入原ADMM批处理算法得到了一种新的改进算法并在此基础上提出了一种求解非光滑损失凸优化问题的坐标优化算法。该算法具有操作简单、计算高效的特点。