树形网络上处理不平衡数据的分布式对偶坐标上升
机器学习
2023-08-30 v1 分布式、并行与集群计算
信息论
math.IT
摘要
本文研究在树形网络中，分布式机器学习求解经验损失最小化问题时，不平衡数据对分布式对偶坐标上升收敛性的影响。针对该问题，我们提出一种考虑不平衡数据信息的延迟广义分布式对偶坐标上升方法，并对所提算法给出分析。数值实验证实了该方法在提升树形网络下分布式对偶坐标上升收敛速度方面的有效性。
引用
@article{arxiv.2308.14783,
title = {Distributed Dual Coordinate Ascent with Imbalanced Data on a General Tree Network},
author = {Myung Cho and Lifeng Lai and Weiyu Xu},
journal= {arXiv preprint arXiv:2308.14783},
year = {2023}
}
备注
To be published in IEEE 2023 Workshop on Machine Learning for Signal Processing (MLSP)