論文の概要: Finite-Bit Quantization For Distributed Algorithms With Linear Convergence

• arxiv url: http://arxiv.org/abs/2107.11304v1
• Date: Fri, 23 Jul 2021 15:31:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-26 14:11:57.429780
• Title: Finite-Bit Quantization For Distributed Algorithms With Linear Convergence
• Title（参考訳）: 線形収束を伴う分散アルゴリズムの有限ビット量子化
• Authors: Chang-Shen Lee, Nicol\`o Michelusi, Gesualdo Scutari
• Abstract要約: 量子化された通信対象のメッシュネットワーク上での(強い凸)複合最適化問題に対する分散アルゴリズムについて検討する。 通信効率のよい符号化方式と結合した新しい量子化器を提案し, バイアス圧縮(BC-)ルールを効率的に実装した。 数値計算により,提案手法を応用した分散アルゴリズムは,既存の量子化規則を用いたアルゴリズムよりも,通信の複雑さが高いことが示された。
• 参考スコア（独自算出の注目度）: 6.293059137498172
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper studies distributed algorithms for (strongly convex) composite optimization problems over mesh networks, subject to quantized communications. Instead of focusing on a specific algorithmic design, we propose a black-box model casting distributed algorithms in the form of fixed-point iterates, converging at linear rate. The algorithmic model is coupled with a novel (random) Biased Compression (BC-)rule on the quantizer design, which preserves linear convergence. A new quantizer coupled with a communication-efficient encoding scheme is also proposed, which efficiently implements the BC-rule using a finite number of bits. This contrasts with most of existing quantization rules, whose implementation calls for an infinite number of bits. A unified communication complexity analysis is developed for the black-box model, determining the average number of bit required to reach a solution of the optimization problem within the required accuracy. Numerical results validate our theoretical findings and show that distributed algorithms equipped with the proposed quantizer have more favorable communication complexity than algorithms using existing quantization rules.
• Abstract（参考訳）: 本稿では,メッシュネットワーク上の(強い凸)複合最適化問題に対する分散アルゴリズムを量子化通信の対象として検討する。 特定のアルゴリズム設計に注目するのではなく,線形速度で収束する不動点イテレートの形で分散アルゴリズムをキャスティングするブラックボックスモデルを提案する。 アルゴリズムモデルは、線形収束を保存する量化器設計に関する新しい(ランダムな)バイアス圧縮(BC-)ルールと結合される。 通信効率のよい符号化方式と結合した新しい量子化器も提案され、有限ビットを用いてBCルールを効率的に実装する。 これは、実装が無限のビット数を要求する既存の量子化規則のほとんどとは対照的である。 ブラックボックスモデルに対して、最適化問題の解に到達するために必要な平均ビット数を決定する統一的な通信複雑性解析法を開発した。 その結果,提案する量子化器を用いた分散アルゴリズムは,既存の量子化ルールを用いたアルゴリズムよりも通信複雑性が高いことがわかった。

関連論文リスト

• Quantum-Based Feature Selection for Multi-classification Problem in Complex Systems with Edge Computing [15.894122816099133]
  マルチクラス化問題,すなわちQReliefFに対する量子ベースの特徴選択アルゴリズムを提案する。 我々のアルゴリズムは、O(M) から O(sqrt(M)) への複雑さを減らし、最も近い隣人を見つけるのに優れている。
  論文  参考訳（メタデータ） (2023-10-01T03:57:13Z)
• An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
  クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。 このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。 本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-30T15:57:14Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Ising formulation of integer optimization problems for utilizing quantum annealing in iterative improvement strategy [1.14219428942199]
  繰り返し改善戦略において量子アニーリングを利用するために,整数最適化問題のイジング定式化を提案する。 基底状態と候補解との重なりがしきい値を超えた場合, 完全に連結されたフェロポッツモデルに対して一階相転移を回避できることを解析的に示す。
  論文  参考訳（メタデータ） (2022-11-08T02:12:49Z)
• Quantum Sparse Coding [5.130440339897477]
  我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。 量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。 我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
  論文  参考訳（メタデータ） (2022-09-08T13:00:30Z)
• Towards Mixed-Precision Quantization of Neural Networks via Constrained Optimization [28.76708310896311]
  本稿では,混合精度量子化問題を解くための原理的枠組みを提案する。 提案手法は原理的手法で導出され,より計算効率がよいことを示す。
  論文  参考訳（メタデータ） (2021-10-13T08:09:26Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)
• Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
  本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。 古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。 提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
  論文  参考訳（メタデータ） (2020-06-15T02:57:57Z)
• Quantum state preparation with multiplicative amplitude transduction [0.0]
  異なるエンフェーズを持つアルゴリズムの2つの変種を紹介する。 1つの変種はクォービットを減らし、制御されたゲートを使わないが、もう1つの変種は全体としてゲートを減らしている可能性がある。 計算基底状態の振幅において、所望の精度を達成するために必要な量子ビットの数を推定するために、一般的な解析が与えられる。
  論文  参考訳（メタデータ） (2020-06-01T14:36:50Z)
• Channel Assignment in Uplink Wireless Communication using Machine Learning Approach [54.012791474906514]
  本稿では,アップリンク無線通信システムにおけるチャネル割り当て問題について検討する。 我々の目標は、整数チャネル割り当て制約を受ける全ユーザの総和率を最大化することです。 計算複雑性が高いため、機械学習アプローチは計算効率のよい解を得るために用いられる。
  論文  参考訳（メタデータ） (2020-01-12T15:54:20Z)

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。