Learning in diffusion networks with an adaptive projected subgradient method
Learning in diffusion networks with an adaptive projected subgradient method
复制标题
使用自适应投影次梯度方法在扩散网络中学习
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
B. Mulgrew
中科院分区：
文献类型：
--
作者：
R. Cavalcante;I. Yamada;B. Mulgrew
本文提出了一种算法，使扩散网络上的非负凸函数序列渐近最小化。考虑到可能的节点故障，位置变化，和/或可达性问题（由于移动的障碍物，干扰等），该算法可以科普动态网络和成本函数，一个理想的功能，在线算法的信息顺序到达。许多基于投影的算法可以直接扩展到扩散网络所提出的计划。我们使用传感器网络中的声源定位问题作为一个可能的应用的例子。
We present an algorithm that minimizes asymptotically a sequence of non-negative convex functions over diffusion networks. To account for possible node failures, position changes, and/or reachability problems (because of moving obstacles, jammers, etc), the algorithm can cope with dynamic networks and cost functions, a desirable feature for online algorithms where information arrives sequentially. Many projection-based algorithms can be straightforwardly extended to diffusion networks with the proposed scheme. We use the acoustic source localization problem in sensor networks as an example of a possible application.