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...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on automatic control Ročník 66; číslo 11; s. 5065 - 5079
Hlavní autoři:	Dixit, Rishabh, Bedi, Amrit Singh, Rajawat, Ketan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.11.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	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
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!