0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 面向分布式机器学习的无中心优化算法

相同语种的商品

销售排行榜

浏览历史

面向分布式机器学习的无中心优化算法


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
面向分布式机器学习的无中心优化算法
  • 书号：9787030782465
    作者：张明川等
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：198
    字数：263000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2025-06-01
  • 所属分类：
  • 定价： ￥130.00元
    售价： ￥130.00元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书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、自适应最小最大优化算法，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。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    “信息科学技术学术著作丛书”序
    前言
    第1章 绪论 1
    1.1 机器学习 1
    1.2 机器学习优化算法的发展 5
    1.3 分布式多智能体系统 8
    1.4 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 11
    2.1 引言 11
    2.2 基本概念与定义 13
    2.2.1 符号 13
    2.2.2 图论 14
    2.2.3 随机矩阵 14
    2.2.4 凸函数 14
    2.3 问题描述与算法设计 15
    2.3.1 问题描述 15
    2.3.2 算法设计 15
    2.4 算法相关假设与收敛结果 17
    2.5 算法收敛性能分析 18
    2.6 仿真实验 32
    2.6.1 实验设置 32
    2.6.2 实验结果与分析 39
    2.7 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 43
    3.1 引言 43
    3.2 问题描述与算法设计 47
    3.2.1 问题描述 47
    3.2.2 算法设计 47
    3.3 算法相关假设与收敛结果 49
    3.4 算法收敛性能分析 52
    3.5 仿真实验 66
    3.5.1 实验描述——多类别分类问题 66
    3.5.2 实验结果与分析 66
    3.6 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 73
    4.1 引言 73
    4.2 基本概念与定义 75
    4.3 问题描述与算法设计 76
    4.3.1 问题描述 76
    4.3.2 算法设计 77
    4.4 算法相关假设与收敛结果 80
    4.5 算法收敛性能分析 82
    4.5.1 对抗性在线设置 83
    4.5.2 随机在线设置 103
    4.6 仿真实验 108
    4.7 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 114
    5.1 引言 114
    5.2 问题描述、算法设计与假设 116
    5.3 算法收敛结果 119
    5.4 算法收敛性能分析 122
    5.5 仿真实验 141
    5.6 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最小最大优化算法 148
    6.1 引言 148
    6.2 算法设计和假设 150
    6.2.1 DADAMC算法设计 150
    6.2.2 算法相关假设、引理与收敛结果 152
    6.3 算法收敛性能分析 155
    6.4 仿真实验 167
    6.4.1 实验环境 167
    6.4.2 实验结果与分析 167
    6.5 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 173
    7.1 引言 173
    7.2 问题描述与算法设计 175
    7.3 算法相关假设与收敛结果 177
    7.4 算法收敛性能分析 179
    7.5 仿真实验 189
    7.6 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 196
    8.1 存在的问题与挑战 196
    8.2 发展趋势 197
    参考文献 197
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com