An Improved Convergence Analysis for Decentralized Online Stochastic Non-Convex Optimization

In this paper, we study decentralized online stochastic non-convex optimization over a network of nodes. Integrating a technique called gradient tracking in decentralized stochastic gradient descent, we show that the resulting algorithm, GT-DSGD , enjoys certain desirable characteristics towards min...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 69; s. 1842 - 1858
Hlavní autoři:	Xin, Ran, Khan, Usman A., Kar, Soummya
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Asymptotic properties Computational geometry Convergence Convex analysis Convexity Decentralized optimization Linear programming multi-agent systems non-convex problems Optimization Signal processing algorithms Steady-state stochastic gradient methods Stochastic processes Transient analysis
ISSN:	1053-587X, 1941-0476
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!