Fugu-MT 論文翻訳(概要): Optimization in Open Networks via Dual Averaging

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

Performance-Aware Self-Configurable Multi-Agent Networks: A Distributed Submodular Approach for Simultaneous Coordination and Network Design [3.5527561584422465]
本稿では、AlterNAting Coordination and Network-Design Algorithm(Anaconda)を紹介する。 Anacondaはスケーラブルなアルゴリズムで、ほぼ最適性を保証する。地域モニタリングのシミュレーションシナリオを実演し,それを最先端のアルゴリズムと比較する。
論文参考訳（メタデータ） (2024-09-02T18:11:33Z)
Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks [57.24087627267086]
通信ネットワークのノード間で分散的に格納された凸関数の総和を最小化するタスクについて検討する。この問題を解決するのに必要な分散通信数と(サブ)漸進計算の下位境界が確立されている。我々は,これらの下界に適合する最初の最適アルゴリズムを開発し,既存の最先端技術と比較して理論性能を著しく向上させる。
論文参考訳（メタデータ） (2024-05-28T10:28:45Z)
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)
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)
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。