Asymptotic optimality for consensus-type stochastic approximation algorithms using iterate averaging
Gäng, Yin, † Le-, Yi ̆, Wang, Yu Yu, Sun Sun, David Mba, Casbeer, Raymond Raymond, Holsapple, Derek · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2013
这份报纸介绍一个重复以后的平均算法与结构的限制为一致控制处于随机的近似算法的集中率完成 asymptotic optimality。算法包含二个阶段。第一个阶段是用大 stepsizes 的一个序列获得的粗糙的近似。然后，第二个阶段由从第一个阶段平均 iterates 提供精炼。我们证明新算法是 asymptotically 有效的并且在最好可伸缩的因素和最小的可能的 asymptotic 变化的意义给最佳的集中率。