属性分布式数据的协同训练：数据传输与性能的权衡
分布式、并行与集群计算
2009-07-30 v1 多智能体系统
摘要
本文引入了一个用于分布式回归的建模框架，其中智能体/专家观测属性分布式数据（异构数据）。在该模型下，设计了一种新算法——迭代协方差优化算法（ICOA），用于重塑各个智能体训练残差的协方差矩阵，使得各个估计器的线性组合能够最小化集成训练误差。此外，设计了一种方案（极小极大保护），在不损害算法收敛性的前提下，在智能体之间传输的数据实例数量与集成估计器的性能之间提供权衡。该方案还为集成估计器的测试误差提供了一个（高概率的）上界。通过仿真验证了ICOA结合极小极大保护的有效性，以及上界与实际性能之间的比较。
引用
@article{arxiv.0907.5141,
title = {Cooperative Training for Attribute-Distributed Data: Trade-off Between Data Transmission and Performance},
author = {Haipeng Zheng and Sanjeev R. Kulkarni and H. Vincent Poor},
journal= {arXiv preprint arXiv:0907.5141},
year = {2009}
}