动态有向图中的离散分布优化
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一个分布式优化的离散时间模型，适用于具有动态有向图的连续时间分布式学习，并消除了对链接进行随机权重设计的需求，通过共识算法、矩阵扰动理论和 Lyapunov 理论，我们证明了梯度跟踪步长和离散时间步长的收敛性和动态稳定性，该工作在链接删除或数据丢失的情况下改善了现有随机权重无向网络的性能，而无需重新运行耗时和计算复杂的算法。该提出的优化框架在分布式分类和学习中具有应用价值。
该研究提出了一个适用于具有动态有向图的连续时间分布式学习的离散时间模型。通过共识算法、矩阵扰动理论和Lyapunov理论，证明了梯度跟踪步长和离散时间步长的收敛性和动态稳定性。该模型改善了现有随机权重无向网络的性能，在链接删除或数据丢失的情况下无需重新运行耗时和计算复杂的算法。在分布式分类和学习中具有应用价值。
