랜덤 시변 그래프 상에서의 분산형 온라인 정규화 학습

본 논문은 랜덤 시변 그래프 상에서의 분산형 온라인 정규화 선형 회귀 알고리즘을 제안하고 분석한다. 각 노드는 자신의 새로운 측정값을 처리하는 혁신 항, 이웃들의 추정치를 가중 합하는 합의 항, 그리고 과적합을 방지하는 정규화 항으로 구성된 온라인 추정 알고리즘을 실행한다. 회귀 행렬과 그래프가 상호 독립성, 시공간 독립성 또는 정상성과 같은 특별한 통계적 가정을 만족할 필요가 없다. 추정 오차의 비음수 초과 마팅게일 부등식을 개발하고, 알고리즘 이득, 그래프 및 회귀 행렬이 공동으로 시공간 지속적 여기 조건을 만족하면 모든 노드의 추정치가 거의 확실하게 미지의 참 매개변수 벡터에 수렴함을 증명한다.