专栏首页arxiv.org翻译专栏异步分布式平均:一种用于平均误差分析的交换系统框架(CS MA)
原创

异步分布式平均:一种用于平均误差分析的交换系统框架(CS MA)

本文研究了异步更新下分布平均问题的期望平均误差,在这种情况下,异步意味着不存在全局时钟,以及通信不确定性中的随机特性,如通信延迟和数据包丢失。虽然已有的一些工作对平均一致性协议的设计有所帮助,可以保证收敛到一个精确的平均值,但由于存在额外的工作,这些方法可能会增加计算负担,因此,有时候在不修改算法的情况下使每个代理异步交换信息是有益的,这将使得平均值的随机性作为一种折衷。在本研究中,我们以切换系统架构为基础,分析预期平均误差以估计非同步平均值相对于预期意义上的精确平均值的上限。我们提供了数值算例验证了本文的结果。

原文题目:Asynchronous Distributed Averaging: A Switched System Framework for Average Error Analysis

原文:This paper investigates an expected average error for distributed averaging problems under asynchronous updates. The asynchronism in this context implies no existence of a global clock as well as random characteristics in communication uncertainty such as communication delays and packet drops. Although some previous works contributed to the design of average consensus protocols to guarantee the convergence to an exact average, these methods may increase computational burdens due to extra works. Sometimes it is thus beneficial to make each agent exchange information asynchronously without modifying the algorithm, which causes randomness in the average value as a trade-off. In this study, an expected average error is analyzed based on the switched system framework, to estimate an upper bound of the asynchronous average compared to the exact one in the expectation sense. Numerical examples are provided to validate the proposed results.

原文作者:Kooktae Lee

原文链接:https://arxiv.org/abs/2006.01925

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 时间序列分析算法【R详解】

    简介 在商业应用中,时间是最重要的因素,能够提升成功率。然而绝大多数公司很难跟上时间的脚步。但是随着技术的发展,出现了很多有效的方法,能够让我们预测未来。不要担...

    Angel_Kitty
  • 【时序预测】一文梳理时间序列预测——ARMA模型

    在统计研究中,常用按时间顺序排列的一组随机变量X1​,X2​,⋯,Xt​,⋯来表示一个随机事件的时间序列,简记为{Xt,t∈T}。在时间的角度上来说,数据类型可...

    roganhuang
  • 一阶差分序列garch建模_时间序列分析

    趋势变动:在长时期内按某种规则稳定地呈现出来的持续向上或向下或保持在某一水平。季节变动:在一个年度内重复出现的周期性波动。它是诸如气候条件、生产条件、节假日或人...

    用户7886150
  • ​【Time Series】从 AR 到 ARIMR

    多元线性回归模型是通过对多变量进行线性组合的方式来预测目标变量;而自回归模型是利用目标变量的历史数据来预测目标变量。

    阿泽 Crz
  • 干货 | 携程如何基于ARIMA时序分析做业务量的预测

    时间序列分析是统计学科的一个重要分支。它主要是通过研究随着时间的推移事物发展变化过程中的规律,来进行事物未来发展情况的预测。在我们的日常生活中,股票的价格走势,...

    携程技术
  • 测试时间序列的40个问题

    时间序列预测与建模在数据分析中起着重要的作用。时间序列分析是统计学的一个分支,广泛应用于计量经济学和运筹学等领域。这篇技能测试文章是为了测试你对时间序列概念的了...

    磐创AI
  • 深入机器学习系列之时间序列分析

    时间序列指的是按时间顺序排列的一组数字序列,而时间序列分析就是利用这组数列,应用数理统计方法加以处理,从而来预测未来事物的发展。该分析方法属于定量预测方法,既承...

    数据猿
  • 实战:基于技术分析的Python算法交易

    本文是用 Python 做交易策略回测系列文章的第四篇。上个部分介绍了以下几个方面内容:

    AI科技大本营
  • 金融数据分析与挖掘具体实现方法 -2

    貌似三个月没有更新博客园了,当时承诺的第二篇金融数据分析与挖掘这几天刚好又做了总结,在国内经济不景气的现在来对这个话题结个尾。

    skylark
  • MADlib——基于SQL的数据挖掘解决方案(20)——时间序列分析之ARIMA

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    用户1148526
  • 使用 ALDEx2 进行差异分析

    1.用原始输入数据生成每个分类单元的后验概率分布;然后将该分布进行中心对数变换。2.将变换后的值,用参数或非参数检验进行单变量统计检验,并返回 p 值和 Ben...

    生信菜鸟团
  • Python时间序列预测案例研究:巴尔的摩年度用水量

    时间序列预测是一个过程,获得良好预测的唯一方法就是练习这个过程。

    人工智能资讯小编
  • R语言时间序列和ARIMA模型预测拖拉机销售的制造案例研究

    本文是我们通过时间序列和ARIMA模型预测拖拉机销售的制造案例研究示例的延续。您可以在以下链接中找到以前的部分:

    拓端
  • 牛客网 机器学习题目

    SVM核函数:线性核函数、多项式核函数、径向基核函数、高斯核函数、幂指数核函数、拉普拉斯核函数、ANOVA核函数、二次有理核函数、多元二次核函数、逆多元二次核函...

  • NXP发布了一个带有RISC-V内核的芯片

    恩智浦日前预告了其带有NPU的“ i.MX9”平台,并发布了低功耗,基于Cortex-A35的i.MX8ULP和启用了Azure Sphere的i.MX8ULP...

    刘盼
  • .Net Web开发技术栈

    有很多朋友有的因为兴趣,有的因为生计而走向了.Net中,有很多朋友想学,但是又不知道怎么学,学什么,怎么系统的学,为此我以我微薄之力总结归纳写了一篇.Net w...

    小曾看世界
  • 机器学习(十一)时间序列模型

    AR模型(自回归模型),是统计上一种处理时间序列的方法,用同一变数例如x的之前各期,亦即x1至xt-1来预测本期xt的表现,并假设它们为一线性关系。因为这是从回...

    致Great
  • Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测

    使用ARIMA模型,您可以使用序列过去的值预测时间序列。在本文中,我们从头开始构建了一个最佳ARIMA模型,并将其扩展到Seasonal ARIMA(SARIM...

    拓端
  • 论文研读-多目标自适应memetic算法

    演化计算与人工智能

扫码关注云+社区

领取腾讯云代金券