研究者提出异步gossip原始-对偶算法Goal-PD
热点事件持续更新
研究者提出异步gossip原始-对偶算法Goal-PD
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者提出异步 gossip 原始-对偶算法 Goal-PD，用于去中心化非光滑凸优化。该算法每个节点无论度数高低都只维护两个变量，可显著降低去中心化学习的显存占用。 作者称，Goal-PD 被证明几乎必然收敛到最优解，且当目标函数为分段线性二次时具有线性收敛速度。在多种网络拓扑下的合成与真实数据集（含中位数估计等非光滑目标）实验中，该算法收敛快于现有异步基线，内存需求也更低。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
Goal-PD：面向鲁棒非光滑凸去中心化学习的快速异步 Gossip 算法报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGGoal-PD：面向鲁棒非光滑凸去中心化学习的快速异步 Gossip 算法
研究者提出异步 gossip 原始-对偶算法 Goal-PD，每个节点无论度数高低都只维护两个变量，显著降低去中心化学习的显存占用。该算法被证明几乎必然收敛到最优解，并在目标函数为分段线性二次时具有线性收敛速度。在多种网络拓扑下的合成与真实数据集（含中位数估计等非光滑目标）实验中，Goal-PD 收敛快于现有异步基线且内存需求更低。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。