ICMLMay, 2018
面向更高效的随机分散式学习:更快的收敛与稀疏通信
Towards More Efficient Stochastic Decentralized Learning: Faster Convergence and Sparse Communication
Zebang Shen, Aryan Mokhtari, Tengfei Zhou, Peilin Zhao, Hui Qian
TL;DR本研究提出了一种名为 DSBA 的随机算法,通过将分散的优化问题推广为单调算子求根问题来解决这一问题,具有线性收敛速度和只需稀疏通讯的优点,同时还能有效地处理像 AUC 最大化这样的学习问题。