公开(公告)号：CN110458293A

公开(公告)日：2019-11-15

申请号：CN201910410046.3

申请日：2019-05-16

Applicant: 重庆邮电大学

Inventor： 曾帅 ,  王爽胜 ,  张毅 ,  周瑜民 ,  肖俊 ,  张烨 ,  赵国峰 ,  段洁 ,  刘亮

IPC: G06N20/00 ,  H04L12/24

Abstract: 本发明请求保护一种优化网络延迟的分布式ADMM机器学习方法。一个凸优化问题可以分解成许多子凸优化问题，每个子凸优化问题可以通过ADMM算法在对应的子节点解决。针对基于桥节点和工作节点的分布式ADMM算法的整体运行速度受限于网络连接延迟的影响，本发明提出了一种优化网络延迟的分布式ADMM机器学习算法，即在进行ADMM迭代运算前，考虑网络延迟的影响，动态地规划桥节点的位置以及个数，在相当程度上可以克服网络延迟、动态性、拓扑形态、带宽限制、数据分布化存储等网络特性对算法性能造成的影响。

公开(公告)号：CN110458293B

公开(公告)日：2023-03-31

申请号：CN201910410046.3

申请日：2019-05-16

Applicant: 重庆邮电大学

Inventor： 曾帅 ,  王爽胜 ,  张毅 ,  周瑜民 ,  肖俊 ,  张烨 ,  赵国峰 ,  段洁 ,  刘亮

IPC: H04L47/56 ,  G06N20/00

Abstract: 本发明请求保护一种优化网络延迟的分布式ADMM机器学习方法。一个凸优化问题可以分解成许多子凸优化问题，每个子凸优化问题可以通过ADMM算法在对应的子节点解决。针对基于桥节点和工作节点的分布式ADMM算法的整体运行速度受限于网络连接延迟的影响，本发明提出了一种优化网络延迟的分布式ADMM机器学习算法，即在进行ADMM迭代运算前，考虑网络延迟的影响，动态地规划桥节点的位置以及个数，在相当程度上可以克服网络延迟、动态性、拓扑形态、带宽限制、数据分布化存储等网络特性对算法性能造成的影响。