342 Arbeiten
Die Arbeit zeigt, dass die Gradientenfluss-Dynamik in Softmax-basierten Modellen, die als Kernbaustein von Self-Attention dienen, die Optimierung universell zu Lösungen mit niedriger Entropie treibt und damit Phänomene wie Attention Sinks und massive Aktivierungen theoretisch erklärt.
Die vorgestellte Arbeit führt eine Variante des linienbasierten Dial-a-Ride-Problems ohne Zeitfenster ein, entwickelt einen Branch-and-Price-Algorithmus zur Generierung profitabler Haltestellenmuster sowie eine effiziente Heuristik für die Root-Knoten-Lösung, die bei großen Instanzen schnell hochwertige Ergebnisse liefert.
Dieses Papier interpretiert die Suche nach NP-Zeugnissen als informations-theoretischen Prozess und zeigt im „psocid"-Modell, dass bei strukturlosen, gleichverteilten Prioritäten und nur durch Gleichheitsabfragen begrenzte Informationsgewinnung eine zuverlässige Wiederherstellung des Zeugnisses aufgrund einer fundamentalen Diskrepanz zwischen benötigten und erzielbaren Informationen unmöglich ist, was die exponentielle Komplexität der Suche auf eine informationstheoretische Ursache zurückführt.
Die Arbeit stellt ALFCG vor, das erste adaptive, projektionsfreie Framework für stochastische nichtkonvexe Optimierung, das ohne globale Lipschitz-Konstanten oder Linien-Suche auskommt und durch die Nutzung historischer Iterationsunterschiede zur Schätzung lokaler Glattheit sowie durch Varianzreduktion optimale Konvergenzraten erreicht.
Die Arbeit stellt eine optimierungsbasierte Formulierung des Red Light Green Light-Algorithmus zur Berechnung stationärer Verteilungen großer Markov-Ketten vor, die durch Minimierung der Dirichlet-Energie mittels Koordinatenabstieg das Konvergenzverhalten erklärt, exponentielle Konvergenz für eine bestimmte Klasse von Ketten nachweist und praktische Scheduling-Strategien zur Beschleunigung vorschlägt.
Diese Arbeit zeigt, dass für impulsiv erweiterbare steuerlineare Systeme eine auf iterierten Lie-Klammern basierende höhere Ordnung-Normalität ausreicht, um eine Infimumslücke zu verhindern, wenn die Stabilität bezüglich der -Topologie der Steuerungen und nicht der üblichen -Topologie der Trajektorien betrachtet wird.
Die Arbeit beweist, dass die bekannte Schrittweitenobergrenze von für Popovs-Algorithmus bei eingeschränkten (pseudo-)monotonen Variationsungleichungen scharf ist, während sie im unbeschränkten Fall auf erweitert werden kann, wobei die Konvergenzanalyse mittels einer neuen Lyapunov-Funktion erfolgt.
Dieses Papier stellt einen Co-Design-Rahmen vor, der die Kommunikationstopologie und die Privatsphäreschutzniveaus in multi-agenten Formationssystemen gemeinsam optimiert, um die durch differentielle Privatsphäre verursachten Kompromisse zwischen Datenschutz, Netzwerkkonnektivität und Systemleistung zu bewältigen.
Dieses Papier stellt die verallgemeinerte multiplikative Gradientenmethode (GMG) zur Lösung einer Klasse konvexer Optimierungsprobleme über symmetrischen Kegeln vor, für die keine Lipschitz-stetigen Gradienten vorliegen, und beweist eine Konvergenzrate von sowie eine überlegene rechnerische Komplexität im Vergleich zu anderen First-Order-Methoden.
Diese Arbeit stellt einen verteilungsrobusten Ansatz für das Flughafen-Bodenhalteproblem unter Verwendung von Wasserstein-Ambiguitätsmengen vor, der einen neuartigen Algorithmus zur effizienten Lösung kombiniert und nachweislich die Resilienz von Bodenhalteprogrammen bei Kapazitätsunsicherheiten und Verteilungsverschiebungen verbessert.
Diese Studie nutzt eine inverse Optimierungsansatz auf Basis von Markov-Entscheidungsprozessen, um zu zeigen, dass NFL-Trainer bei Fourth-Down-Entscheidungen tendenziell konservative Risikopräferenzen verfolgen, deren Toleranz jedoch mit fortschreitender Zeit und in der gegnerischen Feldhälfte zunimmt.
Diese Arbeit stellt zwei einstufige Nullter-Ordnung-Primal-Dual-Algorithmen vor, die erstmals iterative Komplexitätsgarantien für nichtkonvexe-(stark) konkave Minimax-Probleme mit gekoppelten linearen Nebenbedingungen unter deterministischen und stochastischen Bedingungen bieten und dabei den aktuellen Stand der Technik übertreffen.
Die Arbeit stellt Orthonormale Datenkollaboration (ODC) vor, eine Methode, die durch die Erzwingung orthonormaler Basen das komplexe Basis-Alignment auf ein effizientes, geschlossenes Lösungsverfahren reduziert und dabei die Genauigkeit verbessert sowie die Rechenzeit um bis zu das 100-fache senkt, ohne die Datenschutzgarantien zu beeinträchtigen.
Diese Arbeit erweitert die Methode der Control Lyapunov Value Functions (CLVFs) auf nichtlineare Systeme mit beschränkten Störungen durch die Einführung der Robust CLVF (R-CLVF), die den kleinsten robusten kontrollinvarianten Satz identifiziert, und schlägt zudem Techniken zur Überwindung des „Fluchs der Dimensionalität" vor.
Die Arbeit stellt stochastische Greedy-Algorithmen (MRG und DRG) sowie den Random-WSSA-Algorithmus vor, um unter Berücksichtigung von Robustheitseigenschaften effizient schwach-submodulare Sensorauswahlprobleme mit Budget- und Leistungsbeschränkungen für Erdbeobachtungssatellitenkonstellationen zu lösen.
Diese Arbeit schlägt eine neuartige Formulierung für die submodulare Multi-Task-Auswahl vor, die durch relative Entropie regularisiert wird, um eine lokal verteilungsrobuste Lösung zu gewährleisten, die sich effizient mittels gieriger Algorithmen optimieren lässt und in Anwendungen wie Satellitenauswahl und Bildzusammenfassung überlegene Ergebnisse liefert.
Dieser Artikel untersucht singuläre stochastische Steuerungsprobleme in Hilberträumen, indem er nachweist, dass die Wertfunktion eine -Viskositätslösung einer Variationsungleichung ist und unter bestimmten Bedingungen ein Smooth-Fit-Prinzip zweiter Ordnung in der Kontrollrichtung gilt.
Die Arbeit entwickelt einen asymptotisch optimalen Algorithmus für ein Online-Lern- und Optimierungsproblem mit irreversiblen Entscheidungen, der durch eine anfängliche begrenzte Exploration und anschließende schnelle Ausbeutung die Anzahl der zu öffnenden Einrichtungen unter einer Wahrscheinlichkeitsbedingung minimiert und dabei sublineare Regret-Schranken für verschiedene Lernraten und Fehlermodelle herleitet.
Diese Studie liefert notwendige und hinreichende Bedingungen für die Eingangs-zustands-Stabilität (ISS) impulsiver geschalteter Systeme mit stabilen und instabilen Modi, indem sie zeitvariante ISS-Lyapunov-Funktionen unter weniger restriktiven Schaltbedingungen einführt und eine Methode zur Konstruktion einer abnehmenden Lyapunov-Funktion sowie einen Ansatz für unbekannte Schaltsignale bereitstellt.
Diese Arbeit untersucht die grundlegenden Eigenschaften paraconvexer Funktionen, analysiert die Konvergenz von projizierten Subgradientenverfahren mit verschiedenen Schrittweiten für deren globale Minimierung unter Hölder-Fehlerbedingungen und validiert die theoretischen Ergebnisse durch erfolgreiche Anwendungen auf robuste Probleme der niedrigrangigen Matrixwiederherstellung.