实体 D-SGD

D-SGD

PulseAugur coverage of D-SGD — every cluster mentioning D-SGD across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_27609 · May 11 · 08:51

新理论提升去中心化学习的泛化能力

研究人员开发了一种新的去中心化随机梯度下降（D-SGD）的高概率学习理论。该理论旨在缩小传统SGD与D-SGD在泛化保证方面的差距，目标是达到O(1/(mn) * log(1/delta))的最优速率。该方法利用点态一致稳定性来改进界限，并分析了凸、强凸和非凸场景。它还为非凸情况下的基于梯度的度量提供了高概率结果，并考虑了本地模型的通信开销。