Publication

Distributed Meta-Learning with Networked Agents

Ali H. Sayed, Stefan Vlaski, Mert Kayaalp
2021
Conference Papers

Résumé

Meta-learning aims to improve efficiency of learning new tasks by exploiting the inductive biases obtained from related tasks. Previous works consider centralized or federated architectures that rely on central processors, whereas, in this paper, we propose a decentralized meta-learning scheme where the data and the computations are distributed across a network of agents. We provide convergence results for non-convex environments and illustrate the theoretical findings with experiments.

Source officielle

https://infoscience.epfl.ch/entities/publication/3be6f112-303c-4b90-930d-c4bad1038484

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Distributed Meta-Learning with Networked Agents

Chattez avec Graph Search

Social Opinion Formation and Decision Making Under Communication Trends

Optimization Algorithms for Decentralized, Distributed and Collaborative Machine Learning

Topics in statistical physics of high-dimensional machine learning