Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Distributed Stochastic Nonsmooth Nonconvex Optimization

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F22%3A00360156" target="_blank" >RIV/68407700:21230/22:00360156 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1016/j.orl.2022.09.001" target="_blank" >https://doi.org/10.1016/j.orl.2022.09.001</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.orl.2022.09.001" target="_blank" >10.1016/j.orl.2022.09.001</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Distributed Stochastic Nonsmooth Nonconvex Optimization

  • Popis výsledku v původním jazyce

    Distributed consensus optimization has received considerable attention in recent years and several distributed consensus-based algorithms have been proposed for (nonsmooth) convex and (smooth) nonconvex objective functions. However, the behavior of these distributed algorithms on nonconvex, nonsmooth and stochastic objective functions is not understood. Such class of functions and distributed setting are motivated by several applications, including problems in machine learning and signal processing. This paper presents the first convergence analysis of the decentralized stochastic subgradient method for such classes of problems, over networks modeled as undirected, fixed, graphs.

  • Název v anglickém jazyce

    Distributed Stochastic Nonsmooth Nonconvex Optimization

  • Popis výsledku anglicky

    Distributed consensus optimization has received considerable attention in recent years and several distributed consensus-based algorithms have been proposed for (nonsmooth) convex and (smooth) nonconvex objective functions. However, the behavior of these distributed algorithms on nonconvex, nonsmooth and stochastic objective functions is not understood. Such class of functions and distributed setting are motivated by several applications, including problems in machine learning and signal processing. This paper presents the first convergence analysis of the decentralized stochastic subgradient method for such classes of problems, over networks modeled as undirected, fixed, graphs.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF16_019%2F0000765" target="_blank" >EF16_019/0000765: Výzkumné centrum informatiky</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Operations Research Letters

  • ISSN

    0167-6377

  • e-ISSN

    1872-7468

  • Svazek periodika

    50

  • Číslo periodika v rámci svazku

    6

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    5

  • Strana od-do

    627-631

  • Kód UT WoS článku

    000876521300001

  • EID výsledku v databázi Scopus

    2-s2.0-85138836354