Decentralized diffusion-based learning under non-parametric limited prior knowledge

要約

タイトル：非パラメトリック限られた先行知識下における分散拡散学習

要約：
– 研究対象は、大量のセンサーからのノイズ混じりの測定値を用いてノンリニア現象$m$を学習する問題。
– ノード間の情報は直近のノード同士だけであり、ノード間で生データをやりとりする必要がない、非パラメトリック学習アルゴリズムを提案。
– ノードの先行知識があれば、拡散学習アルゴリズムによって学習誤差を最小化できることを理論的に導出。
– シミュレーション実験を通して、提案手法の可能性が示される。

要約(オリジナル)

We study the problem of diffusion-based network learning of a nonlinear phenomenon, $m$, from local agents’ measurements collected in a noisy environment. For a decentralized network and information spreading merely between directly neighboring nodes, we propose a non-parametric learning algorithm, that avoids raw data exchange and requires only mild \textit{a priori} knowledge about $m$. Non-asymptotic estimation error bounds are derived for the proposed method. Its potential applications are illustrated through simulation experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI