Distributed Stochastic Mirror Descent Algorithm Over Time-varying Network

In this paper, we propose a distributed stochastic mirror descent algorithm for solving distributed general (non-differentiable) convex optimization problem over a time-varying multi-agent network. We adopt Bregman divergence rather than Euclidean distance as the augmented distance measuring functio...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE International Conference on Control and Automation (Print) s. 716 - 721
Hlavní autoři:	Wang, Yinghui, Zhou, Hongbing, Hong, Yiguang
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.06.2018
Témata:	Convergence convergence rate Convex functions Distributed convex optimization Linear programming Machine learning Machine learning algorithms mirror descent Mirrors non-smoothness Optimization time-varying network
ISSN:	1948-3457
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!