机读格式显示(MARC)

• 000 01401nam0 2200277 450

• 001 0000681732

• 005 20190606105900.0

• 010 __ |a 978-7-03-059764-9 |d CNY90.00

• 099 __ |a CAL 012019044449

• 100 __ |a 20190201d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 分布式优化、学习理论与方法 |A fen bu shi you hua、xue xi li lun yu fang fa |f 陈为胜著

• 210 __ |a 北京 |c 科学出版社 |d 2019

• 215 __ |a x, 186页 |c 图 |d 24cm

• 320 __ |a 有书目 (第170-186页)

• 330 __ |a 随着无线传感器、多机器人和认知网络等的发展和应用，网络环境下的分布式优化与学习问题越来越受到关注，并逐渐渗透到科学理论研究、工程技术应用和社会生活等的各个方面。分布式优化问题是将整个网络系统的复杂的大规模的优化问题分配到多个节点上进行分布式的优化和计算，这里的“分布式”是指各节点不需要知道全局信息，而是只需要根据获得的局部信息，通过一定的协调机制和规则，独立的进行各自的优化和决策，最终完成整个系统的优化目标。而在大数据的背景下，互联网每秒产生并收集TB级乃至EB级的数据，不仅数据量庞大，而且对于数据的复杂性和数据的多样性，传统的机器学习方法同样面临着巨大的挑战。目前，许多分布式学习算法已经被开发来解决大数据背景下不同的分布式学习问题。

• 333 __ |a 相关学习者

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _0 |a 陈为胜 |A chen wei sheng |4 著

• 801 _0 |a CN |b SEU |c 20190306

• 905 __ |a SCNU |f TP181/7437

• 920 __ |a 242430 |z 1