論文の概要: Joint Cooperative and Non-Cooperative Localization in WSNs with Distributed Scaled Proximal ADMM Algorithms

• arxiv url: http://arxiv.org/abs/2509.18213v1
• Date: Sun, 21 Sep 2025 14:32:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.492118
• Title: Joint Cooperative and Non-Cooperative Localization in WSNs with Distributed Scaled Proximal ADMM Algorithms
• Title（参考訳）: 分散スケール近位ADMMアルゴリズムによるWSNの協調的および非協調的局所化
• Authors: Qiaojia Zhu, Xiaojing Shen, Haiqi Liu, Pramod K. Varshney,
• Abstract要約: 協調的および非協調的局所化は、無線センサネットワークで同時に発生する。 協調型および非協調型局所化のための乗算器のスケールド近位方向法を開発した。
• 参考スコア（独自算出の注目度）: 11.088311601906284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative and non-cooperative localization frequently arise together in wireless sensor networks, particularly when sensor positions are uncertain and targets are unable to communicate with the network. While joint processing can eliminate the delay in target estimation found in sequential approaches, it introduces complex variable coupling, posing challenges in both modeling and optimization. This paper presents a joint modeling approach that formulates cooperative and non-cooperative localization as a single optimization problem. To address the resulting coupling, we introduce auxiliary variables that enable structural decoupling and distributed computation. Building on this formulation, we develop the Scaled Proximal Alternating Direction Method of Multipliers for Joint Cooperative and Non-Cooperative Localization (SP-ADMM-JCNL). Leveraging the problem's structured design, we provide theoretical guarantees that the algorithm generates a sequence converging globally to the Karush-Kuhn-Tucker (KKT) point of the reformulated problem and further to a critical point of the original non-convex objective function, with a sublinear rate of O(1/T). Experiments on both synthetic and benchmark datasets demonstrate that SP-ADMM-JCNL achieves accurate and reliable localization performance.
• Abstract（参考訳）: 無線センサネットワークにおいて、特にセンサ位置が不確実で、ターゲットがネットワークと通信できない場合に、協調的および非協調的局所化が頻繁に発生する。 ジョイント処理は、逐次的アプローチで見つかるターゲット推定の遅延を取り除くことができるが、複雑な変数結合を導入し、モデリングと最適化の両方において課題を提起する。 本稿では,協調的および非協調的局所化を単一最適化問題として定式化する共同モデリング手法を提案する。 得られた結合に対処するために、構造的疎結合と分散計算を可能にする補助変数を導入する。 この定式化に基づいて, 協調・非協調的局所化(SP-ADMM-JCNL)のためのスケールド近位方向乗算器を開発した。 問題の構造化設計を応用して, アルゴリズムは, 修正問題のKarush-Kuhn-Tucker(KKT)点, さらに, O(1/T)のサブ線形速度で, 元の非凸目的関数の臨界点にグローバルに収束するシーケンスを生成することを理論的に保証する。 SP-ADMM-JCNLが高精度で信頼性の高いローカライゼーション性能を実現することを示す。

関連論文リスト

• A Novel Two-Phase Cooperative Co-evolution Framework for Large-Scale Global Optimization with Complex Overlapping [8.839347987566336]
  複雑な重なり合う大規模グローバル最適化問題に対処する新しい2相協調進化フレームワークを提案する。 重なり合う問題の解法は、その数学的性質を基礎として、フレームワーク内に埋め込まれている。 大規模な実験により、我々のフレームワーク内でインスタンス化されたアルゴリズムは、既存のアルゴリズムを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-03-23T13:21:11Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Stochastic Unrolled Federated Learning [85.6993263983062]
  本稿では,UnRolled Federated Learning (SURF)を導入する。 提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
  論文  参考訳（メタデータ） (2023-05-24T17:26:22Z)
• Decentralized Inexact Proximal Gradient Method With Network-Independent Stepsizes for Convex Composite Optimization [39.352542703876104]
  本稿では,非方向および接続ネットワーク上での分散凸複合最適化について考察する。 CTA(Combine-Then-Adapt)に基づく新しい分散アルゴリズムは、非協調的なネットワーク非依存の定数ステップサイズの下で提案される。
  論文  参考訳（メタデータ） (2023-02-07T03:50:38Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Federated Distributionally Robust Optimization for Phase Configuration of RISs [106.4688072667105]
  我々は、教師付き学習環境において、多種多様なRISタイプ上での堅牢な再構成可能なインテリジェントサーフェス(RIS)支援ダウンリンク通信の問題について検討する。 異種RIS設計上のダウンリンク通信を分散的に位相構成を最適化する方法を学ぶ異なる労働者としてモデル化することにより、分散学習問題を解決することができる。 提案アルゴリズムは, 競合するベースラインと比較して, 最悪の分布精度を実現するために, 通信ラウンドを少なくする必要がある。
  論文  参考訳（メタデータ） (2021-08-20T07:07:45Z)
• Asynchronous Distributed Reinforcement Learning for LQR Control via Zeroth-Order Block Coordinate Descent [7.6860514640178]
  分散強化学習のための新しいゼロ階最適化アルゴリズムを提案する。 これにより、各エージェントはコンセンサスプロトコルを使わずに、コスト評価を独立してローカル勾配を推定できる。
  論文  参考訳（メタデータ） (2021-07-26T18:11:07Z)
• A Unified Theory of Decentralized SGD with Changing Topology and Local Updates [70.9701218475002]
  分散通信方式の統一収束解析を導入する。 いくつかの応用に対して普遍収束率を導出する。 私たちの証明は弱い仮定に依存している。
  論文  参考訳（メタデータ） (2020-03-23T17:49:15Z)

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。