کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6866781 | 679063 | 2014 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Distributed machine learning in networks by consensus
ترجمه فارسی عنوان
توزیع ماشین آموزش در شبکه ها با هماهنگی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
توزیع ماشین آموزش، یادگیری ماشین موازی، تبار گرادیان، اجماع، وفاق، یادگیری همتراز به هم شبکه های عصبی،
ترجمه چکیده
ما یک الگوریتم برای یادگیری از داده های توزیع شده در شبکه ای از دستگاه های متصل به طور داوطلبانه بدون تبادل نقاط داده پیشنهاد می کنیم. بخشی از مجموعه داده ها به صورت محلی در هر دستگاه پردازش می شود و سپس الگوریتم ارتباط اجتنابی برای تحکیم نتایج استفاده می شود. این فرایند دو مرحلهای تکراری همگرا است به طوری که تمام مجموعه داده ها بر روی یک دستگاه واحد قرار داشته باشند. مشارکت اصلی این مقاله اثبات همگرایی فرایند یادگیری توزیع شده در مورد کلی است که الگوریتم یادگیری یک انقباض است. علاوه بر این، ما معادله توزیع توزیع یک شبکه عصبی خوراک پیشین را با هدف بازگشت نتایج به دست می آوریم. ما یک مثال طبقه بندی اسباب بازی و مجموعه داده های طبقه بندی دودویی واقعی جهان را به کار می بریم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
We propose an algorithm to learn from distributed data on a network of arbitrarily connected machines without exchange of the data-points. Parts of the dataset are processed locally at each machine, and then the consensus communication algorithm is employed to consolidate the results. This iterative two stage process converges as if the entire dataset had been on a single machine. The principal contribution of this paper is the proof of convergence of the distributed learning process in the general case that the learning algorithm is a contraction. Moreover, we derive the distributed update equation of a feed-forward neural network with back-propagation for the purpose of verifying the theoretical results. We employ a toy classification example and a real world binary classification dataset.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 124, 26 January 2014, Pages 2-12
Journal: Neurocomputing - Volume 124, 26 January 2014, Pages 2-12
نویسندگان
Leonidas Georgopoulos, Martin Hasler,