可以朗读
语音朗读
115千字
字数
2021-05-01
发行日期
展开全部
主编推荐语
本书是关于分布式优化算法的系统性的理论成果。
内容简介
本书主要内容包括：（1）提出了分布式的随机次梯度投影算法；（2）提出了异步广播的分布式次梯度随机投影算法；（3）提出了分布式随机坐标块次梯度投影算法；（4）提出了分布式随机坐标块条件梯度算法；（5）提出了量化信息与随机网络拓扑的扩散最小均方算法；（6）提出了分布式随机次梯度在线算法；（7）提出了差分隐私的分布式随机次梯度在线优化算法；（8）提出了分布式条件梯度在线学习算法。
目录
- 版权信息
- 内容简介
- 前言
- 第1章 绪论
- 1.1 研究背景与意义
- 1.2 国内外研究现状
- 参考文献
- 第2章 分布式随机次梯度投影算法
- 2.1 引言
- 2.2 算法设计
- 2.3 主要结果
- 2.4 收敛性能分析
- 2.5 本章小结
- 参考文献
- 第3章 异步的分布式次梯度随机投影算法
- 3.1 引言
- 3.2 算法设计
- 3.3 主要结果
- 3.4 收敛性能分析
- 3.5 误差界分析
- 3.6 本章小结
- 参考文献
- 第4章 量化信息与随机网络拓扑的扩散最小均方算法
- 4.1 引言
- 4.2 扩散算法
- 4.3 算法设计
- 4.4 均方收敛分析
- 4.5 稳态性能分析
- 4.6 仿真结果
- 4.7 本章小结
- 参考文献
- 第5章 分布式随机次梯度在线优化算法
- 5.1 引言
- 5.2 问题描述与算法设计
- 5.3 主要结果
- 5.4 算法性能分析
- 5.5 仿真实验
- 5.6 本章小结
- 参考文献
- 第6章 差分隐私的分布式在线优化算法
- 6.1 引言
- 6.2 基本概念与定义
- 6.3 问题描述及算法设计
- 6.4 主要结果
- 6.5 差分隐私与性能分析
- 6.6 本章小结
- 参考文献
- 第7章 分布式条件梯度在线学习算法
- 7.1 引言
- 7.2 准备工作
- 7.3 问题形式化与算法
- 7.4 假设和主要结果
- 7.5 性能分析
- 7.6 引理证明
- 7.7 仿真实验
- 7.8 本章小结
- 参考文献
- 第8章 基于随机块坐标的分布式在线无投影算法
- 8.1 引言
- 8.2 问题描述与算法设计
- 8.3 相关假设和主要结果
- 8.4 收敛性分析
- 8.5 仿真实验
- 8.6 本章小结
- 参考文献
- 第9章 基于事件驱动的分布式在线无投影算法
- 9.1 引言
- 9.2 问题描述与算法设计
- 9.3 相关假设与结果
- 9.4 收敛性分析
- 9.5 本章小结
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
