.png){kind=icon}
返回
Manifold regularization based finite time distributed semi-supervised learning algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s13042-026-03052-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于零梯度和方法、流形正则化和极限学习机的有限时间分布式半监督学习（FTDSSL）算法。该算法旨在解决涉及分布式数据（包括未标记样本）的分布式学习问题。得益于ZGS策略，其在全数据集上的表现与使用单层前馈神经网络的半监督学习算法相当。此外，FTDSSL在有限次迭代内实现收敛。每次FTDSSL迭代仅与邻居共享更新的输出权重，从而保护数据隐私并节省通信带宽。以定理1为例的理论基础，通过李雅普诺夫理论证明了FTDSSL算法的全局收敛性。与事件触发式分布式半监督学习相比，FTDSSL显著减少了迭代次数而非通信量。实验结果验证了FTDSSL算法在有限时间内收敛，并证明其对分布式学习（特别是在包含未标记样本的数据集上）具有高效性。
Keyword:
Distributed learning
Distributed semi-supervised learning (DSSL)
Finite-time (FT)
Manifold regularization (MR)
Privacy preserving
期刊
IF:
2.7
论文数:
3.2K
被引数:
5.6K
机构
引用论文
A finite time discrete distributed learning algorithm using stochastic configuration network一种基于随机配置网络的有限时间离散分布式学习算法
PREAI
分享收藏Distributed semi-supervised learning algorithm based on extreme learning machine over networks using event-triggered communication scheme.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏
分享收藏Consensus and cooperation in networked multi-agent systems网络化多智能体系统的共识与合作PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏
查看更多内容