- 分布式图聚类与稀疏化
本文提出了一个简单的分布式算法,基于采样方案将输入的密集图转化为稀疏的子图,并在多项式对数回合内完成图的聚类,同时具有高效的实现和处理大数据集的广泛应用。
- Fog-RAN 中的缓存放置:从集中式到分布式算法
本文研究了 Fog-RANs 中的缓存放置问题,并提出了中心化和分布式的缓存放置策略来最小化用户平均下载延迟,同时考虑了灵活的物理层传输方案和不同用户的内容偏好。通过利用缓存和合作增益,这些策略可以显著减少用户的平均下载延迟。
- 部分异步计算集群的分布式近端梯度算法
在大规模机器学习应用中,我们提出了利用部分异步通信协议实现的灵活的近端梯度下降算法 m-PAPG,该算法具有容错性、通信效率和多功能性,并表征了其各种收敛特性。
- MM无线网络下的虚拟现实:服务质量模型和基于学习的资源管理
在小型细胞网络中,通过使用基于多属性效用理论的新型虚拟现实模型,找到了在虚拟现实无线网络中的上下行无线资源配置问题的最佳解决方案。
- 网络范围分布式载波频偏估计与补偿
本文提出了一种分布式算法,用于分散系统中频率偏移的估计,该算法通过本地计算和与直接相邻的节点进行有限的信息交换来估计每个节点的频率偏移,无需任何集中式信息处理或全球网络拓扑知识,通过模拟结果,表明这种算法具有快速的收敛速度和低延迟,是一种具 - SIGIR可扩展的在赞助搜索广告中查询和广告的语义匹配
该研究提出了一种基于语义嵌入的高级匹配方法,通过利用用户搜索会话的语义嵌入来自动找到更多的相关查询以供广告商竞标,同时提出了解决冷启动问题的方法,该方法已在实际搜索流量中进行了测试并获得了显著的优化结果和增量收益,同时将学习到的查询嵌入开源 - 分布式柔性非线性张量分解
本文提出了一种分布式、灵活的非线性张量分解模型,通过可避免昂贵的计算以及提供高质量推理的上限,它能够克服传统张量分解模型中的限制,并展现出在 CTR 预测方面的巨大潜力。
- 基于广义协方差交叉的多伯努利滤波分布融合
本文提出了一种分布式多目标跟踪算法,通过使用基于广义协方差交叉的多伯努利(MB)滤波器。该算法采用连续分布跟踪和序列蒙特卡罗采样技术,同时证明由于融合的多目标跟踪模型复杂度,直接求解其融合后的后验分布是不现实的。
- 非线性自适应网络的扩散核 LMS 算法
该研究提出了一种分布式算法,用于非线性自适应学习,基于扩散的 KLMS 机制以 Adapt Then Combine 模式协作,实现最小化成本函数的目标,实验证明该算法优于其他 LMS 变体。
- 网络分布式 ADMM 的收敛速率
本研究提出了基于 ADMM 算法的分布式算法,用于通过网络通信最小化局部已知的凸函数之和,研究表明,在函数为凸函数时,目标函数值和可行性冲突都会收敛,当函数是强凸函数且有 Lipschitz 连续梯度时,该算法生成的序列会线性收敛到最优解。 - 使用流式逼近进行大规模分布式半监督学习
本文提出了一种新颖的流图半监督学习逼近方法,旨在捕捉标签分布的稀疏性并确保算法准确地传播标签,进一步将每个节点的空间复杂度降低到 O (1),同时提供了适用于大型数据的分布式算法和为自然语言应用构建的图构建机制以及经过深度学习架构训练的鲁棒 - 基于随机梯度 MCMC 的大规模分布式贝叶斯矩阵分解
提出一种可扩展的基于分布式随机梯度 Langevin 动力学的贝叶斯矩阵分解算法,具备与标准 MCMC 方法相同的预测准确性,同时速度快、简单,并以 Netflix 数据集为例,实现与 Gibbs 采样相当的预测准确性但快一个数量级。
- 随机化的威力:大规模数据集上的分布式子模最大化
该论文提出了一个简单的分布式算法来解决在机器学习中的受限次模最大化问题,该算法可以并行运行并且提供可证明的常数近似保证,即使在单个机器上无法解决的问题也可以通过该算法高效地解决。
- 基于随机投影的岭回归分布式计算(LOCO)
LOCO 是一种用于大规模岭回归的算法,通过将特征分布在集群工作进程中来实现。算法保留变量之间重要的依赖关系,并采用结构化随机投影来计算,仅需通信一次。仿真和气候预测应用验证实验结果,表明 LOCO 相对于最先进的分布式算法实现了显著的加速 - 随机图上的代数连通性分布式估计与控制
本文提出了一种针对无线 Ad-hoc 网络中的连接性进行估计和控制的分布式算法,通过引入新颖的随机幂迭代方法,允许每个节点估计和跟踪基础预期图的代数连接性,并使用随机逼近理论的结果证明了所提出的方法几乎必定收敛于期望的连接性值,之后将这种估 - 电动汽车充电的经济学:一种博弈论方法
本文研究了智能电网与插电式电动车群组之间的网 - 车之间的能量交换问题,并使用非合作博弈模型进行分析。在模型中,智能电网作为领导者,需要制定价格以优化收益,并确保插电式电动车群组的参与。而插电式电动车群组则需要考虑从电池充电中获得的收益和相 - 异构蜂窝网络的负载均衡用户关联
使用低复杂度的分布式算法通过对网络宽带优化来尝试解决小型细胞技术的优化问题,以及通过对偏置值的谨慎选择获得了大量吞吐量收益和速率增益。
- 上行异构网络的分布式线性预编码优化和基站选择
本文主要研究如何在异构无线网络中同时优化用户的线性协处理器以及其与基站关联的问题。研究表明,将该问题转化为非合作博弈论可以获得最佳结果,并介绍了一种分布式算法来实现较高的吞吐量和负载平衡。
- 网络中稀疏正则化秩最小化:算法与应用
本文发展了使用分布式算法解决低秩矩阵加上压缩矩阵与稀疏矩阵乘积的分离任务,建立了分布式稀疏正则化秩最小化的算法框架,其中采用核范数和 l1 范数用作所需矩阵的秩和非零条目数的替代,使用交替方向乘法的分离算法来最小化经过采样和压缩的数据的秩和 - 一种结合路径增广和推送重贴标签的分布式最小割 / 最大流算法
本文提出了一种新的分布式算法,针对稀疏的最小割问题,主要解决大规模问题,通过路径增广和推 - 重贴方法的区域内更新以及区域之间的交互计算,成功降低了交互代价并将算法分成了若干阶段,在计算机视觉的最大流问题中取得了良好效果。