Online Learning Over Dynamic Graphs via Distributed Proximal Gradient Algorithm

We consider the problem of tracking the minimum of a time-varying convex optimization problem over a dynamic graph. Motivated by target tracking and parameter estimation problems in intermittently connected robotic and sensor networks, the goal is to design a distributed algorithm capable of handlin...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE transactions on automatic control Jg. 66; H. 11; S. 5065 - 5079
Hauptverfasser:	Dixit, Rishabh, Bedi, Amrit Singh, Rajawat, Ketan
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York IEEE 01.11.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Algorithms Computational geometry Convexity Distributed algorithms Distributed optimization dynamic regret Empirical analysis Graphs Machine learning Network topologies Network topology online convex optimization Optimization Parameter estimation Regularization sparse signal recovery Time-varying systems Tracking
ISSN:	0018-9286, 1558-2523
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!