分布式随机逼近的集中界
机器学习
2022-10-11 v1 机器学习
概率论
摘要
我们重访 Tsitsiklis、Bertsekas 与 Athans 的带共识的分布式随机逼近经典模型。主要结果是使用随机逼近的 ODE 方法对该方案进行分析，从而得到适当插值的迭代与极限微分方程之间跟踪误差的高概率界。文中也将指出若干未来方向。
引用
@article{arxiv.2210.04253,
title = {A Concentration Bound for Distributed Stochastic Approximation},
author = {Harsh Dolhare and Vivek Borkar},
journal= {arXiv preprint arXiv:2210.04253},
year = {2022}
}