书目信息 |
| 题名： |
分布式优化、学习理论与方法
|
|
| 作者： | 陈为胜 著 | |
| 分册： | ||
| 出版信息： | 北京 科学出版社 2019.1 |
|
| 页数： | 200页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--研究 | |
| 电子资源： | ||
| ISBN： | 978-7-03-059764-9 | |
| 000 | 01248nam0 2200217 450 | |
| 001 | 1957831306 | |
| 005 | 20190426090421.18 | |
| 010 | @a978-7-03-059764-9@dCNY90.00 | |
| 100 | @a20181119d2019 em y0chiy0110 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @ay z 000yy | |
| 200 | 1 | @a分布式优化、学习理论与方法@9fen 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@d2019.1 | |
| 215 | @a200页@d24cm | |
| 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。 | |
| 606 | 0 | @a机器学习@x研究 |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a陈为胜@9chen wei sheng@4著 |
| 801 | 0 | @aCN@b商丘师院@c20181119 |
| 905 | @aZUCC@dTP181@e18 | |
| 分布式优化、学习理论与方法/陈为胜著.-北京：科学出版社，2019.1 |
| 200页；24cm |
| ISBN 978-7-03-059764-9：CNY90.00 |
| 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。 |
| ● |
| 相关链接 |
正题名：分布式优化、学习理论与方法
索取号：TP181/18
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1810085 | 218100855 | 样本书库/ [索取号:TP181/18] | 在馆 | |
| 2 | 1810086 | 218100864 | 理科库/ [索取号:TP181/18] | 在馆 | |
| 3 | 1810087 | 218100873 | 理科库/ [索取号:TP181/18] | 在馆 |