Hyperfast second-order local solvers for efficient statistically preconditioned distributed optimization

Statistical preconditioning enables fast methods for distributed large-scale empirical risk minimization problems. In this approach, multiple worker nodes compute gradients in parallel, which are then used by the central node to update the parameter by solving an auxiliary (preconditioned) smaller-s...

Celý popis

Podrobná bibliografie

Vydáno v:	EURO journal on computational optimization Ročník 10; s. 100045
Hlavní autoři:	Dvurechensky, Pavel, Kamzolov, Dmitry, Lukashevich, Aleksandr, Lee, Soomin, Ordentlich, Erik, Uribe, César A., Gasnikov, Alexander
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 2022 Elsevier
Témata:	Distributed optimization Empirical risk minimization Statistical preconditioning Tensor optimization methods Empirical risk minimization Distributed optimization Tensor optimization methods Statistical preconditioning
ISSN:	2192-4406
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!