分布式支持向量机的原始对偶梯度流算法
最优化与控制
2018-09-11 v3
摘要
本文提出了一种用于分布式支持向量机(DSVM)的原始对偶梯度流算法。考虑一个计算节点网络,其中每个节点承载水平划分的大规模数据集的一个子集。这些节点被表示为具有 Arrow-Hurwicz-Uzawa 梯度流动力学的动力系统,该动力学由 DSVM 问题的拉格朗日函数导出。首先证明这些节点是被动动力系统。随后,通过采用 Krasovskii 型候选李雅普诺夫函数,证明计算节点渐近收敛到最优原始对偶解。
引用
@article{arxiv.1807.08684,
title = {Primal-Dual Gradient Flow Algorithm for Distributed Support Vector Machines},
author = {Prashant Bansode and Sushant Bahadure and Navdeep Singh},
journal= {arXiv preprint arXiv:1807.08684},
year = {2018}
}