342 Arbeiten
Diese Arbeit entwickelt ein rigoroses Framework zur Erweiterung von neuronalen Operatoren für Out-of-Distribution-Eingaben durch Kernel-Approximation und RKHS-Theorie, was eine zuverlässige Erfassung von Funktionswerten und Ableitungen ermöglicht und an elliptischen PDEs auf Mannigfaltigkeiten validiert wird.
Diese Arbeit entwickelt ein negatives Krümmungsverfahren für stochastische nichtkonvexe Optimierungsprobleme, das unter Verwendung von probabilistischen Orakeln eine Zwei-Schritt-Strategie mit adaptiven Schrittweiten und einem Early-Stopping-Mechanismus einführt, um mit hoher Wahrscheinlichkeit Konvergenzgarantien für zweite Ordnungsstationaritätspunkte zu erreichen.
Dieser Artikel stellt einen lokal implementierbaren Ansatz für Netzwerksicherheitsfilter vor, der auf einer Zwei-Zeitskalen-Designmethode basiert, um globale Koordination zu vermeiden und dabei explizite Grenzen für den Sicherheitsverlust infolge von Zeitverzögerungen und Schätzfehlern aufzeigt.
Diese Arbeit untersucht kontinuierliche Zeit-Multi-Armed-Bandit-Probleme mit zufälligen Interventionszeiten, charakterisiert explizit den Gittins-Index für Lévy-Prozesse und leitet spezifische Formeln für den Fall exponentieller Interventionszeiten ab, wobei numerische Experimente die theoretischen Ergebnisse stützen.
Diese Arbeit formalisiert das Lernen von Kommunikation in dezentralen, teilweise beobachtbaren Umgebungen durch den Einsatz von Informationsstrukturen, identifiziert quasi-klassische Szenarien als recheneffizient lösbar und entwickelt darauf aufbauend provierbare Algorithmen mit quasi-polynomieller Komplexität.
Diese Arbeit stellt einen integrierten Optimierungsrahmen für die produktionsorientierte Fahrplanung netzferner, großskaliger Power-to-Hydrogen-Anlagen vor, der durch die koordinierte Steuerung heterogener Elektrolyseure und anderer Ressourcen die Frequenzsicherheit gewährleistet und gleichzeitig den Wasserstoffoutput maximiert.
Dieser Beitrag stellt ein handhabbares, unendlichdimensionales Modell vor, das mithilfe einer erweiterten Hamilton-Jacobi-Bellman-Gleichung und Quantisierungstechniken eine geschlossene Bewertung langfristiger Umweltauswirkungen von Langzeitprozessen unter Modellunsicherheiten ermöglicht, wie es am Beispiel der Dynamik von benthischen Algenblüten demonstriert wird.
Die Autoren stellen einen alternierenden Lernrahmen vor, der in kooperativen Multi-Agenten-Systemen mit eingeschränkter Beobachtung durch Subsampling eines Teils der Agentenzustände eine approximative Nash-Gleichgewichtslösung mit verbesserter Probenkomplexität erreicht.
Die Autoren stellen eine auf sukzessiven Differenz-konvexen Zerlegungen basierende Methode vor, die Moreau-Hüllfunktionen und den Progressive-Hedging-Algorithmus nutzt, um eine Klasse von zweistufigen nichtkonvexen und nichtglatten stochastischen konischen Programmen durch Umformulierung in stochastische Variationsungleichungen effizient zu lösen und deren Konvergenz nachzuweisen.
Die Autoren stellen einen Plug-and-Play-Blind-Super-Resolution-Ansatz vor, der mithilfe eines vortrainierten Denoisers und eines heterogenen alternierenden Block-Koordinaten-Verfahrens 1,5-T-MRT-Bilder zur Verbesserung der Multiple-Sklerose-Diagnose schärft, indem er gleichzeitig hochauflösende Bilder und Unschärfekernel schätzt.
Diese Arbeit stellt einen neuartigen Ensemble-Kalman-Filter-Ansatz vor, der durch eine lokale Approximation der Analyse-Wahrscheinlichkeitsdichtefunktion mittels variationeller Bayes-Optimierung auf natürliche Weise lokalisiert wird und damit den Bedarf an manuell abgestimmten, ad-hoc-Lokalisierungstechniken eliminiert, während er gleichzeitig eine Genauigkeit und einen Rechenaufwand erreicht, die mit etablierten, lokalisierten EnKF- und ETKF-Methoden vergleichbar sind.
Dieser Beitrag stellt eine implizit-explizite Trust-Region-Methode vor, die unter Ausnutzung der speziellen Hessian-Struktur des Landau-Brazovskii-Modells effizient zweite Ordnungs-stationäre Punkte berechnet und damit Sattelpunkte überwindet sowie neue stabile Phasen identifiziert.
Der Artikel stellt eine Methode zur Identifizierung nichtlinearer azyklischer Netzwerke in der kontinuierlichen Zeit vor, die unter der Annahme analytischer Dynamiken und nichtlinearer Effekte eine vollständige Rekonstruktion der Kantenfunktionen allein durch die Messung aller Senkenknoten ermöglicht.
Diese Arbeit stellt einen robusten, quantilbasierten adaptiven KKT-Indikator vor, der die Konvergenz von Multi-Objective-Optimierungsalgorithmen ohne externe Referenzmengen bewertet und dabei die Empfindlichkeit gegenüber heterogenen Verteilungen der Stationaritätsresiduen reduziert.
Diese Arbeit untersucht, ob bei der Online-Bestellabwicklung unter Unsicherheit die Nachbestellpolitik oder der Echtzeit-Erfüllungsprozess einen größeren Einfluss auf den Gewinn hat, und zeigt theoretisch sowie durch numerische Experimente, dass je nach Kontext die Optimierung der einen Komponente entscheidender sein kann als die der anderen, wobei ein neu entwickelter vorausschauender Algorithmus myopische Ansätze übertrifft.
Diese Arbeit stellt eine nichttriviale Erweiterung eines momentum-basierten Optimierungsverfahrens auf Riemannsche Mannigfaltigkeiten vor, für die eine Worst-Case-Komplexität von bewiesen wird und die in numerischen Experimenten eine überlegene Leistung im Vergleich zu bestehenden Solvern zeigt.
Diese Arbeit untersucht die Wasserstein-Gradientenflüsse halb-diskreter Energien, die in der Stadtplanung auftreten, indem sie die Konvergenz des JKO-Schemas zu einem gekoppelten System aus einer parabolischen PDE mit singulärer Advektion und einer ODE nachweist sowie qualitative Eigenschaften und numerische Phänomene wie dynamische Kristallisation analysiert.
Diese Arbeit stellt eine theoretisch fundierte Lyapunov-Stabilitätsanalyse für stochastische Vektoroptimierung mittels Drift-Diffusionsmodellen bereit und implementiert den Ansatz als reproduzierbaren Algorithmus in Python, der sich als mathematisch handhabbare Alternative zu populationsbasierten Heuristiken insbesondere bei höheren Dimensionen und begrenzten Evaluierungsbudgets bewährt.
Die Arbeit beweist einen konversen Lyapunov-Satz für die Beschränktheit von Erreichbarkeitsmengen bei einer allgemeinen Klasse von unendlichdimensionalen Steuerungssystemen mit Lipschitz-stetigem Fluss und zeigt, dass diese Bedingung für viele semi-lineare Evolutionsgleichungen erfüllt ist, was insbesondere für gewöhnliche Differentialgleichungen zu einem konversen Lyapunov-Satz für die Vorwärtskomplettheit ohne vorherige Einschränkungen der Eingangsgröße führt.
Das Papier widerlegt die Vermutung, dass in Markov-Entscheidungsprozessen mit endlich additiven Bewertungen immer eine optimale Strategie existiert, indem es ein Gegenbeispiel konstruiert, bei dem eine speziell gestaltete Aggregationsladung weder eine reine noch eine randomisierte optimale Strategie zulässt.