分布式黎曼共轭梯度法在斯蒂芬尔流形上的应用
原文中文，约200字，阅读约需1分钟。发表于：。这篇论文提出了一种分布式黎曼共轭梯度下降（DRCGD）方法，旨在最小化斯蒂弗尔流形上的全局函数，该方法是第一个能够在斯蒂弗尔流形上实现全局收敛的分布式黎曼共轭梯度算法，并且避免了昂贵的黎曼几何运算，从而减少了每个代理所需的计算复杂性。
在弯曲流形环境下，提出了Riemann版Nesterov加速梯度算法(RAGD)，证明了RAGD算法在极小值附近具有加速收敛性，相比Liu等人(2017)的算法少了对非线性方程的精确求解，具有构造性和可计算性。使用了一个新的估计序列和关于非线性度量扭曲的新界定。
