Jul, 2009

通过量化通信的流言共识算法

PDF
TL;DR本文研究基于成对 “流言” 通信和更新的数字链接网络上的平均共识问题，并提出一组算法。我们研究了这些算法的收敛性质，旨在回答两个设计问题：代理应该通过确定性或随机量化器编码其通信，以及他们应该如何使用自己状态的精确信息来更新。
consensus problemgossip communicationconvergence propertiesdeterministic quantizerrandomized quantizer
发现论文，激发创造
  • 分布式信号处理中的八卦算法

    针对在网络传感器中的应用，该研究综述了流言算法在计算机科学、控制、信号处理和信息论领域的最新发展，重点介绍了算法收敛速度、在无线链路中传输的问题以及在分布式估计、信号源定位和压缩等方面的应用。

    Mar, 2010

  • 隐私保护随机八卦算法

    本文提出三种不同的随机流言算法，旨在解决平均共识问题的同时保护存储节点初始私有值的信息，并对所有方法给出了迭代复杂度的界限，进行了广泛的数值实验。

    Jun, 2017

  • 通过随机路径平均化实现最优阶共识

    本文研究了一种名为地理流言算法的多跳通信网络消息传递方案，通过使用行程信息与 Markov 链混合时间不等式技术对随机化消息传递算法进行性能分析，提高了流言算法的效率。

    Feb, 2008

  • 去中心化随机优化和 Gossip 算法的压缩通信

    提出了一种基于 gossip 的分散随机优化算法 CHOCO-SGD 和解决平均一致性问题的新型 gossip 算法 CHOCO-GOSSIP，旨在在机器学习任务上实现数据分布和优化，有效降低通信成本并能提高算法效率。

    Feb, 2019

  • 双向函数去中心化优化的八卦双平均算法

    提出了新的基于对偶平均的聚众算法，用于解决分散点之间的成对函数最小化问题，该算法的灵活性足以处理最优化问题的约束和规则的变体，并通过实证仿真验证了其实用性。

    Jun, 2016

  • 高效分布式在线预测和随机优化：近似分布式平均方法

    研究分布式方法用于在线预测和随机优化，并提出了基于 gossip 的优化方法以实现最优的后悔界限。

    Mar, 2014

  • 基于 Gossip 的分布式强化学习

    本研究考虑了在代理人网络中实现经典的 TD (0) 算法，并在代理人之间使用类似流言蜚语的机制传递更新。该组合方案被证明可以收敛于折扣和平均成本问题。

    Oct, 2013

  • 在有限通信条件下维持分布式学习和优化的线性收敛性

    研究分布式优化和机器学习中如何通过压缩信息和设计通信协议来降低通信时间并保持算法收敛性的方法和框架。

    Feb, 2019

  • 基于网络的凸共识优化的八卦算法

    本文提出了一种基于 Pairwise Equalizing (PE) 和 Pairwise Bisectioning (PB) 两种谷仓算法的一种解决无约束，可分离，凸的共识优化问题的方法，此方法易于实现，跳过次梯度算法的局限性，产生了切换、非线性的网络动力系统，并保证渐近收敛性。

    Feb, 2010

  • 地理式流言算法：用于传感器网络的有效平均值计算

    利用地理信息和简单的重抽样方法，我们为在广播中使用地理路由算法，提出并分析了一种替代的八卦传播方案，以此证明比以前建议的八卦协议获得了实质性的收益。

    Sep, 2007