机译:分散的随机优化和机器学习:统一的差异减少框架,可实现鲁棒性能和快速收敛性
Carnegie Mellon Univ Dept Elect & Comp Engn Pittsburgh PA 15213 USA;
Carnegie Mellon Univ Dept Elect & Comp Engn Pittsburgh PA 15213 USA;
Tufts Univ Elect & Comp Engn Dept Medford MA 02155 USA;
机译:数据驱动的随机鲁棒优化:利用大数据时代不确定性进行机器学习优化的通用计算框架和算法
机译:走向更有效的随机分散学习:更快的融合和稀疏的交流
机译:统一的随机框架,用于对连续体和类桁架结构进行可靠的拓扑优化
机译:随机凸优化:较快的本地增长意味着更快全球收敛
机译:用于多阶段随机优化的统一状态空间和情景树框架:在排放受限的水热调度中的应用。
机译:元生存分析的去中心化学习框架用于开发鲁棒的预后签名
机译:涉及大数据的块结构优化的统一算法框架:在机器学习和信号处理中的应用