乘积形式网络的在线优化

我们开发了一种在线梯度算法，通过在线调整控制参数来优化乘积形式网络的性能。用于寻找最优参数设置的标准算法的使用受到了以平稳概率计算梯度所带来的巨大计算负担的阻碍。所提出的方法转而依赖于通过模拟或在线操作测量各种状态的实证频率，以获得梯度的估计值。除了减少计算量外，在线操作的另一个好处在于能够自然地适应动态环境中常见的环境参数的缓慢变化。不利的一面是，测量会导致本质上带有噪声和有偏的估计。我们利用混合时间结果来克服偏差的影响，并建立了收敛到全局最优解的充分条件。