BriefGPT - AI 论文速递 · 2023-09-24T00:00:00Z 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 分布式学习算法 分布式梯度下降算法 学习误差 实证分析 异质性模型 阅读原文 生成长图 分享链接 已复制链接
