Kirjaudu sisään
näkemys - 数学.OC
マルコフ決定過程の設計：戦略的および運用的意思決定の統合のためのフレームワーク
システムを最適に設計する問題を考える。デザインと運用段階を統合し、最小化を目指す。
データ駆動型予測制御と適応的な擾乱抑制による制約システムの解析
H∞制御とMPCを組み合わせた新しいアプローチを提案する。
最速変更検出のための強化学習設計
強化学習を使用した最速変更検出アルゴリズムの開発と理論的分析に焦点を当てる。
チューニングフリーな確率的最適化の可能性と限界
大規模機械学習問題において、チューニングフリーアルゴリズムが可能であることを示す。
Wasserstein Ambiguity Sets for Distributionally Robust Density Control
分布ロバスト性を持つ密度制御のためのWasserstein曖昧性セットの重要性と効果的な利用方法に焦点を当てる。
確率的ハルパーン反復法と強化学習への応用
非拡大および収縮演算子の固定点を近似するための確率的ハルパーン反復法のオラクル複雑性を分析し、新しい同期アルゴリズムを提案。
ロバストな2次非凸最適化とその低ランク行列センシングへの応用
強い汚染モデルにおける近似的な2次停留点（SOSP）を見つけるための一般的なフレームワークを導入し、次元に依存しない精度保証を使用して近似SOSPを見つける。
フィードバック制御の収束解析について：積分アクションと不連続なリレー摂動の収束解析に焦点を当てた研究
第三次ダイナミックシステムにおける積分フィードバックアクションと不連続なリレー摂動の収束解析を行う。
Quantization Enables Saddle Point Avoidance in Distributed Optimization
量子化は分散最適化における鞍点回避を可能にします。
逆最適制御問題の解決可能性についての最小原理に基づく分析
逆最適制御問題の解決可能性を分析し、結論を導き出す。
Tuotteet
© 2024 by Linnk AI