Fugu-MT 論文翻訳(概要): Non asymptotic bounds in asynchronous sum-weight gossip protocols

論文の概要: Non asymptotic bounds in asynchronous sum-weight gossip protocols

arxiv url: http://arxiv.org/abs/2111.10248v1
Date: Fri, 19 Nov 2021 14:39:45 GMT
ステータス: 処理完了
システム内更新日: 2021-11-22 16:09:49.259030
Title: Non asymptotic bounds in asynchronous sum-weight gossip protocols
Title（参考訳）: 非同期和重みゴシッププロトコルにおける非漸近境界
Authors: David Picard, J\'er\^ome Fellus, St\'ephane Garnier
Abstract要約: 非同期ゴシッププロトコルは、関連するグラフ上のメッセージをランダムに交換することで、ノードのネットワークで分散計算を実行するように設計されている。ノード間のコンセンサスを達成するには、最小限のメッセージを交換する必要がある。一般の場合、そのような数に有界な確率を与える。
参考スコア（独自算出の注目度）: 7.635893538637252
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper focuses on non-asymptotic diffusion time in asynchronous gossip protocols. Asynchronous gossip protocols are designed to perform distributed computation in a network of nodes by randomly exchanging messages on the associated graph. To achieve consensus among nodes, a minimal number of messages has to be exchanged. We provides a probabilistic bound to such number for the general case. We provide a explicit formula for fully connected graphs depending only on the number of nodes and an approximation for any graph depending on the spectrum of the graph.
Abstract（参考訳）: 本稿では,非同期ゴシッププロトコルにおける非漸近拡散時間に着目した。非同期ゴシッププロトコルは、関連するグラフ上のメッセージをランダムに交換することで、ノードネットワーク内で分散計算を行うように設計されている。ノード間のコンセンサスを実現するには、最小のメッセージ数を交換する必要がある。一般の場合、そのような数に確率的拘束を与える。グラフのノード数のみに依存する完全連結グラフに対する明示的な公式と、グラフのスペクトルに依存する任意のグラフに対する近似を提供する。

関連論文リスト

Distributed Training of Large Graph Neural Networks with Variable Communication Rates [71.7293735221656]
大きなグラフ上でグラフニューラルネットワーク(GNN)をトレーニングすることは、大きなメモリとコンピューティング要件のために、ユニークな課題を提示する。グラフを複数のマシンに分割する分散GNNトレーニングは、大きなグラフ上でGNNをトレーニングするための一般的なアプローチである。本稿では,学習モデルの精度を損なうことなく,分散GNNトレーニングにおける通信量を削減するための可変圧縮方式を提案する。
論文参考訳（メタデータ） (2024-06-25T14:57:38Z)
Learning on Large Graphs using Intersecting Communities [13.053266613831447]
MPNNは、各ノードの隣人からのメッセージを集約することで、入力グラフ内の各ノードの表現を反復的に更新する。 MPNNは、あまりスパースではないため、すぐに大きなグラフの禁止になるかもしれない。本稿では,入力グラフを交差するコミュニティグラフ (ICG) として近似することを提案する。
論文参考訳（メタデータ） (2024-05-31T09:26:26Z)
Asynchronous Algorithmic Alignment with Cocycles [22.993659485873245]
グラフニューラルネットワーク(GNN)におけるメッセージパッシングを利用した最先端のニューラルネットワーク推論典型的なGNNは、メッセージ関数の定義と呼び出しの区別を曖昧にし、ノードが隣人にメッセージを同期的に送信することを強制する。本研究では,ノード状態更新とメッセージ関数呼び出しの概念を明確に分離する。
論文参考訳（メタデータ） (2023-06-27T17:13:20Z)
NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
論文参考訳（メタデータ） (2023-06-14T09:21:15Z)
Graph Mixup with Soft Alignments [49.61520432554505]
本研究では,画像上での使用に成功しているミキサアップによるグラフデータの増大について検討する。ソフトアライメントによるグラフ分類のための簡易かつ効果的な混合手法であるS-Mixupを提案する。
論文参考訳（メタデータ） (2023-06-11T22:04:28Z)
Online Centralized Non-parametric Change-point Detection via Graph-based Likelihood-ratio Estimation [77.81487285123147]
グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
論文参考訳（メタデータ） (2023-01-08T10:15:24Z)
Distributed Graph Learning with Smooth Data Priors [61.405131495287755]
本稿では,ノード上の信号観測からグラフを推論する分散グラフ学習アルゴリズムを提案する。この結果から,分散手法は,推定グラフの精度を損なうことなく,集中型アルゴリズムよりも通信コストが低いことがわかった。
論文参考訳（メタデータ） (2021-12-11T00:52:02Z)
Factorizable Graph Convolutional Networks [90.59836684458905]
本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。 FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
論文参考訳（メタデータ） (2020-10-12T03:01:40Z)
Distributing Graph States Across Quantum Networks [16.74626042261441]
ローカル操作が自由なノード量子コンピュータと、連続的に生成可能なノード間で共有されるEPRペアからなる量子ネットワークを考察する。提案手法は, 消費するEPRペア数, 消費するタイムステップ数, 必要な古典的通信量に対する上限値を示す。
論文参考訳（メタデータ） (2020-09-23T01:36:12Z)
Fully Asynchronous Policy Evaluation in Distributed Reinforcement Learning over Networks [14.636457985379746]
本稿では,有向ピアツーピアネットワーク上での分散強化学習(DisRL)のポリシー評価問題に対する非同期手法を提案する。ネットワークの他のノードを待つことなく、各ノードは隣人からの(おそらく遅れた)情報を使用して、いつでもローカルに値関数を更新できる。
論文参考訳（メタデータ） (2020-03-01T08:12:08Z)

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。