鲁棒分布式学习:数据异构下的紧密误差界和破坏点

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本文介绍了一种更现实的异质性模型,证明了分布式学习算法的学习误差存在下界,并推导了一个强鲁棒的分布式梯度下降算法的上界。实证分析表明,该方法能够减小理论和实践之间的差距。

🏷️

标签

➡️

继续阅读