論文の概要: Optimization in Open Networks via Dual Averaging
- arxiv url: http://arxiv.org/abs/2105.13348v1
- Date: Thu, 27 May 2021 17:52:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-28 15:56:29.807878
- Title: Optimization in Open Networks via Dual Averaging
- Title(参考訳): Dual Averagingによるオープンネットワークの最適化
- Authors: Yu-Guan Hsieh, Franck Iutzeler, J\'er\^ome Malick, Panayotis
Mertikopoulos
- Abstract要約: エージェントがネットワークをいつでも参加・離脱できる場合、オープンネットワークの場合、この分散最適化問題に対処する。
オープンネットワークのための分散非同期最適化手法の提案と解析を行う。
- 参考スコア(独自算出の注目度): 33.116006446428756
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In networks of autonomous agents (e.g., fleets of vehicles, scattered
sensors), the problem of minimizing the sum of the agents' local functions has
received a lot of interest. We tackle here this distributed optimization
problem in the case of open networks when agents can join and leave the network
at any time. Leveraging recent online optimization techniques, we propose and
analyze the convergence of a decentralized asynchronous optimization method for
open networks.
- Abstract(参考訳): 自律エージェント(例えば、車両群、散乱センサーなど)のネットワークでは、エージェントのローカル機能の総和を最小化することの問題は大きな関心を集めている。
我々は,エージェントがいつでもネットワークに参加・離脱できるオープンネットワークの場合,この分散最適化問題に取り組む。
近年のオンライン最適化技術を活用し,オープンネットワークのための分散非同期最適化手法の収束性を提案し,解析する。
関連論文リスト
- Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。
ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。
提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
論文 参考訳(メタデータ) (2023-10-10T00:21:10Z) - Network-Aided Intelligent Traffic Steering in 6G O-RAN: A Multi-Layer
Optimization Framework [47.57576667752444]
オープンRAN(O-RAN)におけるインテリジェントステアリングアプリケーションを実現するために,フロースプリット分布,渋滞制御,スケジューリング(JFCS)を共同で最適化する。
i) 適切な無線ユニットへのトラフィックを効率よく、適応的に誘導する新しいJFCSフレームワークを提案し、i) 強化学習、内近似、二項探索に基づく低複雑さアルゴリズムを開発し、異なる時間スケールでJFCS問題を効果的に解決し、iv) 厳密な理論的性能結果を分析し、遅延とユーティリティ最適化のトレードオフを改善するためのスケーリング係数が存在することを示す。
論文 参考訳(メタデータ) (2023-02-06T11:37:06Z) - Decentralized Hyper-Gradient Computation over Time-Varying Directed
Networks [13.274835852615572]
本稿では,分散学習(FL)におけるハイパーグラディエント推定における通信問題について述べる。
モデルパラメータと勾配に対する平均演算を用いたFLの代替最適条件を提案する。
我々は、理論上も経験上も真の超勾配への推定器の収束性を確認する。
論文 参考訳(メタデータ) (2022-10-05T10:23:45Z) - On the Convergence of Distributed Stochastic Bilevel Optimization
Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。
既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。
そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-06-30T05:29:52Z) - Competing Adaptive Networks [56.56653763124104]
適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。
本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
論文 参考訳(メタデータ) (2021-03-29T14:42:15Z) - Distributed Optimization, Averaging via ADMM, and Network Topology [0.0]
センサローカライゼーションの現実問題において,ネットワークトポロジと異なるアルゴリズムの収束率の関係について検討する。
また、ADMMと持ち上げマルコフ連鎖の間の興味深い関係を示すとともに、その収束を明示的に特徴づける。
論文 参考訳(メタデータ) (2020-09-05T21:44:39Z) - A Multi-Agent Primal-Dual Strategy for Composite Optimization over
Distributed Features [52.856801164425086]
目的関数を滑らかな局所関数と凸(おそらく非滑らか)結合関数の和とするマルチエージェント共有最適化問題について検討する。
論文 参考訳(メタデータ) (2020-06-15T19:40:24Z) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳(メタデータ) (2020-02-17T07:54:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。