ترجمه فارسی مقاله بهینه‌سازی غیرمحدب مبتنی بر اغتشاش غیرخطی روی شبکه‌های متغیر با زمان

چکیده

Decentralized optimization strategies are helpful for various applications, from networked estimation to distributed machine learning. This paper studies finite-sum minimization problems described over a network of nodes and proposes a computationally efficient algorithm that solves distributed convex problems and optimally finds the solution to locally non-convex objective functions. In contrast to batch gradient optimization in some literature, our algorithm is on a single-time scale with no extra inner consensus loop. It evaluates one gradient entry per node per time. Further, the algorithm addresses link-level nonlinearity representing, for example, logarithmic quantization of the exchanged data or clipping of the exchanged data bits. Leveraging perturbation-based theory and algebraic Laplacian network analysis proves optimal convergence and dynamics stability over time-varying and switching networks. The time-varying network setup might be due to packet drops or link failures. Despite the nonlinear nature of the dynamics, we prove exact convergence in the face of odd sign-preserving sector-bound nonlinear data transmission over the links. Illustrative numerical simulations further highlight our contributions.

چکیده به فارسی (ترجمه ماشینی)

استراتژی های بهینه سازی غیرمتمرکز برای برنامه های مختلف ، از برآورد شبکه ای تا یادگیری ماشین توزیع شده مفید است.این مقاله به بررسی مشکلات به حداقل رساندن اندازه محدود در شبکه گره ها می پردازد و یک الگوریتم محاسباتی کارآمد را ارائه می دهد که مشکلات محدب توزیع شده را حل می کند و بهینه راه حل عملکردهای هدف محلی غیر متعهد را پیدا می کند.برخلاف بهینه سازی شیب دسته ای در برخی از ادبیات ، الگوریتم ما در یک مقیاس تک بار و بدون حلقه اجماع داخلی اضافی قرار دارد.این یک ورودی شیب در هر گره را در هر زمان ارزیابی می کند.علاوه بر این ، این الگوریتم به غیرخطی بودن سطح پیوند ، به عنوان مثال ، کمیت لگاریتمی داده های رد و بدل شده یا قطع بیت های داده های رد و بدل شده را نشان می دهد.استفاده از تئوری مبتنی بر آشفتگی و تجزیه و تحلیل شبکه لاپلاسی جبر ، همگرایی بهینه و ثبات پویایی را در طول شبکه های متغیر و تعویض زمان اثبات می کند.تنظیم شبکه متغیر ممکن است به دلیل قطره بسته یا خرابی پیوند باشد.با وجود ماهیت غیرخطی پویایی ، ما همگرایی دقیقی را در مواجهه با انتقال داده های غیرخطی محدود به بخش های عجیب و غریب از طریق پیوندها اثبات می کنیم.شبیه سازی های عددی مصور بیشتر سهم ما را برجسته می کند.