关于概念漂移环境下的分布式在线分类
最优化与控制
2016-07-19 v1 分布式、并行与集群计算
机器学习
社会与信息网络
物理与社会
摘要
在本工作中，我们分析了分布式在线学习算法在平稳和非平稳环境下的泛化能力。我们推导了连通学习者网络中每个节点所达到的超额风险（excess-risk）的界，并研究了扩散策略相较于个体非协作处理所具有的性能优势。我们进行了广泛的模拟以说明结果。
引用
@article{arxiv.1301.0047,
title = {On Distributed Online Classification in the Midst of Concept Drifts},
author = {Zaid J. Towfic and Jianshu Chen and Ali H. Sayed},
journal= {arXiv preprint arXiv:1301.0047},
year = {2016}
}
备注
19 pages, 14 figures, to appear in Neurocomputing, 2013