串流資料追蹤

去中心化梯度下降

去中心化分散式梯度下降（DGD）於時序加權串流資料的追蹤分析

面對串流資料與分散式網路，研究提出以時間加權的去中心化優化框架。每個節點逐步接收樣本，並透過有限次的分散式梯度下降追蹤隨時間變化的加權目標函數。作者以固定點觀點分析追蹤誤差，指出誤差分解為固定點追蹤項與因資料異質引入的偏差；採用均一加權可達到O(1/t)收斂，而指數折扣加權會留下受折扣因子控制的穩態下限。