폐쇄 루프 분포를 사용한 확률적 단조 포함 (Stochastic Monotone Inclusion with Closed Loop Distributions)
이 논문에서는 결정에 따라 달라지는 분포를 가진 확률적 최적화 문제와 관련된 1차 및 2차 단조 포함을 연구하고, 폐쇄 루프 분포를 사용하는 확률적 단조 포함에 대한 새로운 동적 시스템을 제안하여 수렴성을 분석합니다.
거의 확실하게 수렴하는 무작위 활성화 단조 연산자 분할 방법
이 논문에서는 대규모 데이터 분석 문제를 해결하기 위해 단조 및 선형 연산자를 포함하는 복합 포함 문제를 해결하는 새로운 확률적 분할 알고리즘을 제안합니다.
확률적 최적화에서 통계적 상한 프레임워크를 통한 분포적 모호성 관리
본 논문에서는 제한된 데이터로 인해 발생하는 확률 분포의 모호성을 해결하기 위해 새로운 통계적 구성 요소인 APUB(Average Percentile Upper Bound)를 소개하고, 이를 확률적 최적화 프레임워크에 통합하여 의사 결정의 안정성과 신뢰성을 향상시키는 방법을 제시합니다.
확률적 뉴턴 근접 외삽 보간법: 빠른 전역적 수렴 및 초선형 수렴 속도 향상
본 논문에서는 강하게 볼록한 함수에 대해 기존 확률적 뉴턴 방법보다 빠른 전역적 선형 수렴 속도와 향상된 초선형 수렴 속도를 달성하는 새로운 확률적 2차 방법인 확률적 뉴턴 근접 외삽 보간법(SNPE)을 제안합니다.
숨겨진 볼록성 하에서의 확률적 최적화
비볼록 문제라도 숨겨진 볼록성을 가진 경우, 투영 확률적 (부)기울기 하강법과 같은 기울기 기반 방법을 사용하여 전역 최적해로 수렴하는 것을 보장할 수 있다.
유한 합 문제의 빠른 최적화를 위한 확률적 라인 검색 프레임워크에서 모멘텀 항의 효과적인 활용
본 논문에서는 대규모 딥러닝 문제에서 흔히 발생하는 유한 합 최적화 문제를 해결하기 위해, 특히 과매개변수화된 상황에서 확률적 라인 검색과 모멘텀 방향을 결합한 새로운 알고리즘 프레임워크를 제안합니다.
리치 흐름을 이용한 확률적 최적화: 푸리에 급수 근사 기반 접근 방식
본 논문에서는 푸리에 급수 근사와 리치 흐름을 기반으로 유계 함수를 모델링하고 최적화하는 새로운 이론적 프레임워크를 제안합니다.
불확실성을 고려한 세트 다중 커버 문제: 효율적인 해법 및 알고리즘
본 논문에서는 세트 커버 문제의 변형으로, 선택된 세트가 항목을 커버할 수 있는지 여부에 대한 불확실성을 고려하는 '확률 제약 세트 다중 커버 문제 (CC-SMCP)'를 다룹니다.
일반화된 확률적 Halpern 스킴의 점근적 규칙성 및 그 응용
본 논문에서는 확률적 Halpern-Mann 반복의 일반화된 형태에 대한 점근적 규칙성 속도를 제시하고, 이를 강화 학습의 Q-러닝에 적용하는 방법을 소개합니다.
립시츠 연속성을 넘어선 확률적 약 볼록 최적화
본 논문에서는 립시츠 연속성 가정 없이 새로운 적응형 정규화 전략을 통해 확률적 약 볼록 최적화 문제를 해결하는 방법을 제시합니다.
