新書推薦：
《
HR必备法律工具书：企业用工风险防范实务操作与案例精解（第二版）
》
售價：NT$
551
《
威尔·杜兰特：最伟大的思想
》
售價：NT$
245
《
日本装帧110年系谱
》
售價：NT$
806
《
厨房药房：用香料和药草疗愈身心
》
售價：NT$
254
《
稳富：悄悄存钱，稳稳变富
》
售價：NT$
296
《
神圣罗马帝国
》
售價：NT$
653
《
优势累积：给中国家庭的松弛父母课
》
售價：NT$
300
《
汗青堂丛书163——狄仁杰与武则天：武周革命与平民官僚的崛起
》
售價：NT$
449
|
| 內容簡介： |
|
《面向分布式机器学习的无中心优化算法》针对分布式机器学习中网络通信、在线学习、隐私保护等问题，研究无中心的分布式优化算法。主要内容包括：①分布式一阶梯度算法，提出在线学习的自适应次梯度算法和随机块坐标的次梯度投影算法、自适应*小最大优化算法，旨在研究分布式的优化算法，理论分析所提算法的收敛性能；②分布式无投影梯度算法，提出随机块坐标无投影梯度算法、面向子模最大化问题的分布式在线学习无投影算法，旨在降低计算代价，加快模型训练速度；③零阶算法，提出子模最大化的分布式随机块坐标Frank-Wolfe算法，解决了高维约束优化问题的梯度计算问题。
|
| 目錄：
|
|
目录“信息科学技术学术著作丛书”序前言第1章 绪论 11.1 机器学习 11.2 机器学习优化算法的发展 51.3 分布式多智能体系统 81.4 本章小结 10参考文献 10第2章 分布式在线学习的自适应次梯度算法 112.1 引言 112.2 基本概念与定义 132.2.1 符号 132.2.2 图论 142.2.3 随机矩阵 142.2.4 凸函数 142.3 问题描述与算法设计 152.3.1 问题描述 152.3.2 算法设计 152.4 算法相关假设与收敛结果 172.5 算法收敛性能分析 182.6 仿真实验 322.6.1 实验设置 322.6.2 实验结果与分析 392.7 本章小结 39参考文献 39第3章 分布式随机块坐标无投影梯度算法 433.1 引言 433.2 问题描述与算法设计 473.2.1 问题描述 473.2.2 算法设计 473.3 算法相关假设与收敛结果 493.4 算法收敛性能分析 523.5 仿真实验 663.5.1 实验描述——多类别分类问题 663.5.2 实验结果与分析 663.6 本章小结 68参考文献 68第4章 面向子模最大化问题的分布式在线学习无投影算法 734.1 引言 734.2 基本概念与定义 754.3 问题描述与算法设计 764.3.1 问题描述 764.3.2 算法设计 774.4 算法相关假设与收敛结果 804.5 算法收敛性能分析 824.5.1 对抗性在线设置 834.5.2 随机在线设置 1034.6 仿真实验 1084.7 本章小结 110参考文献 111第5章 隐私保护的分布式随机块坐标次梯度投影算法 1145.1 引言 1145.2 问题描述、算法设计与假设 1165.3 算法收敛结果 1195.4 算法收敛性能分析 1225.5 仿真实验 1415.6 本章小结 144参考文献 144第6章 基于一致性的分布式自适应*小最大优化算法 1486.1 引言 1486.2 算法设计和假设 1506.2.1 DADAMC算法设计 1506.2.2 算法相关假设、引理与收敛结果 1526.3 算法收敛性能分析 1556.4 仿真实验 1676.4.1 实验环境 1676.4.2 实验结果与分析 1676.5 本章小结 170参考文献 170第7章 子模最大化的分布式随机块坐标Frank-Wolfe算法 1737.1 引言 1737.2 问题描述与算法设计 1757.3 算法相关假设与收敛结果 1777.4 算法收敛性能分析 1797.5 仿真实验 1897.6 本章小结 191参考文献 191第8章 分布式机器学习优化算法发展与展望 1968.1 存在的问题与挑战 1968.2 发展趋势 197参考文献 197
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
