Sign In
insight - 분산 최적화 및 기계 학습
실분산 변분 부등식 문제를 위한 효율적인 통신 기법: 유사성, 압축 및 국부 단계
본 논문은 실분산 변분 부등식 문제를 해결하기 위해 유사성, 압축 및 국부 단계의 세 가지 핵심 기법을 결합한 새로운 알고리즘을 제안한다. 이를 통해 기존 방법들보다 우수한 통신 복잡도 성능을 달성할 수 있다.
분산 환경에서 프라이버시를 보장하는 비음수 행렬 분해 알고리즘
분산 네트워크 환경에서 각 에이전트의 로컬 데이터 프라이버시를 보장하면서 전체 데이터 행렬을 분해하는 알고리즘을 제안한다.
동적 방향성 그래프에서의 이산화된 분산 최적화
본 논문은 동적 방향성 그래프에서 작동하는 효율적인 분산 최적화 알고리즘을 제안한다. 제안된 알고리즘은 기존 방식과 달리 링크 가중치에 대한 특별한 설계가 필요 없으며, 네트워크 토폴로지 변화에도 안정적으로 작동한다.
차별적 프라이버시 보장 하에서 부분 분산 피드백을 활용한 선형 밴딧 최적화
중앙 서버가 전체 사용자 집단의 보상을 최대화하기 위해 일부 사용자(클라이언트)의 부분 피드백을 활용하는 분산 선형 밴딧 문제를 다룬다. 이때 사용자 프라이버시를 보장하기 위해 차별적 프라이버시 기법을 적용한다.
Products | Resources
© 2024 by Linnk AI