#分布式优化

做分布式训练又怕隐私噪声影响效果的话，这篇给出了用同批次梯度差分降噪的具体方案，还附了收敛性证明和实验对比。

这篇论文证明了Bregman ADMM在非凸非Lipschitz优化中几乎必然收敛到二阶KKT点，解决了传统方法无法处理多项式目标的问题，对矩阵分解等应用有实际指导意义。

做分布式机器学习或联邦学习的开发者，这篇论文给出了误差反馈算法的理论极限，帮你理解通信压缩到底能省多少而不损失收敛性，值得细读。