概率比例大小量化下的分散凸优化

通信是分布式优化和学习的一个瓶颈。为克服这一瓶颈，我们提出了一种新型量化方法，将向量转换为由各分量值比例概率所决定的索引序列样本。随后，我们提出了基于我们所提议量化方法的原始形式和原始-对偶加速随机梯度方法，并据此推导了以大偏差概率为度量的收敛率。我们聚焦于仿射约束凸优化及其在分散分布优化问题中的应用。为阐明我们算法的作用，我们将其应用于分散计算半离散熵正则化Wasserstein重心的计算。