337 Arbeiten
Der Artikel liefert hinreichende Bedingungen für die Existenz längster Bögen in linksinvarianten dreidimensionalen Kontakt-sub-Lorentz-Strukturen auf auflösbaren Lie-Gruppen sowie auf der universellen Überlagerung von SL(2, R).
Die Arbeit stellt MARIGOLD vor, ein effizientes Framework für Multi-Task-Learning, das Gradientenbalancierung als bi-level-Optimierungsproblem formuliert und durch den Einsatz von Nullter-Ordnung-Methoden die Rechenineffizienz bestehender MGDA-ähnlicher Ansätze überwindet.
Die Arbeit stellt einen modellfreien prädiktiven Tracking-Algorithmus für nichtlineare Systeme mit Koopman-Einbettung vor, der auf Willems' Fundamentalslemma basiert und nachweist, dass die dynamische Reue mit dem Vorhersagehorizont exponentiell abnimmt.
Diese Arbeit untersucht konische, zweipersonige Nullsummen-SLQ-Differentialspiele für Sprung-Diffusions-Systeme mit Regimewechsel und zufälligen Koeffizienten, indem sie unter der Bedingung der gleichmäßigen Konvexität-Konkavität die offene Lösbarkeit herleitet und einen offenen Sattelpunkt durch eine geschlossene Rückkopplung darstellt, die auf neuen multidimensionalen indefiniten erweiterten stochastischen Riccati-Gleichungen mit Sprüngen (IESREJs) basiert.
Dieser zweite Teil der Arbeit untersucht kostengesteuertes Repräsentationslernen für die lineare quadratische Gaußsche (LQG) Regelung mit unendlichem Zeithorizont, indem er finite-Sample-Garantien für die Lernverfahren bietet, die entweder explizite oder implizite latente Dynamikmodelle (ähnlich MuZero) nutzen, und dabei eine neue technische Leistung zur Persistenz der Erregung für stochastische Prozesse erbringt.
Dieses Papier stellt eine auf Integralen Quadratischen Beschränkungen (IQC) basierende Methode zur -Ausgangsregelung von LPV-Systemen mit zeitvariierenden Eingangsverzögerungen vor, die durch die Kombination parameterabhängiger Lyapunov-Funktionen und dynamischer IQC-Multiplikatoren verzögerungsabhängige, konvexe Synthesebedingungen ermöglicht und so eine effiziente Rekonstruktion des Reglers ohne explizite Festlegung der Parameterabhängigkeit erlaubt.
Dieser Beitrag stellt einen modellbasierten Ansatz vor, der es ermöglicht, die reinen Effekte intelligenter Fernsteuerungsalgorithmen auf den Energieverbrauch von Fernwärmegebäuden von anderen Einflussfaktoren zu isolieren und in Teilkomponenten zu zerlegen, was mit herkömmlichen Methoden nicht möglich ist.
Diese Arbeit beweist Existenz, Eindeutigkeit und scharfe Randasymptotiken für große Lösungen semilinearer elliptischer Gleichungen mit gradientenabhängigen Termen und singulären Gewichten, etabliert die strenge Konvexität der Lösungen und identifiziert diese als Wertfunktion eines stochastischen Optimierungsproblems mit Zustandsbeschränkungen.
Der Artikel stellt FedCEF vor, einen neuartigen Algorithmus für die nicht-konvexe federierte Optimierung auf heterogenen Daten, der durch eine entkoppelte Proximal-Aktualisierung, einen Fehler-Rückkopplungsmechanismus und eine effiziente Downlink-Strategie sowohl Kommunikationskosten bei extremen Kompressionsraten als auch Konvergenzprobleme bei nicht-glatten Regularisierern effektiv adressiert.
Der Artikel stellt HSM-ADMM vor, einen neuartigen verteilten stochastischen Algorithmus für nichtkonvexe zusammengesetzte Optimierungsprobleme, der durch eine knotenspezifische adaptive Schrittweitenstrategie und einen rekursiven Momentum-Schätzer eine optimale Komplexität von erreicht und dabei die Abhängigkeit von globalen Netzwerkkennwerten eliminiert.
Diese Studie untersucht die Leistungsfähigkeit verschiedener Large Language Models bei der Lösung diskreter Optimierungsproblemen anhand umfangreicher, erweiterter Datensätze und stellt fest, dass zwar leistungsfähigere Modelle generell besser abschneiden, die Chain-of-Thought-Methode jedoch nicht immer vorteilhaft ist und augmentierte Daten die Ergebnisse bei verständlichen Problemen trotz hoher Varianz verbessern können.
Die Arbeit stellt einen stabilisierenden Ausgangsrückführungsregler für monotone, nichtlineare Systeme vor, der Eingangsbeschränkungen einhält und zeigt, dass eine gesättigte Version eines unbeschränkten Reglers die Stabilisierung garantiert, sofern die gewünschte Gleichgewichtskontrolle im Inneren des zulässigen Bereichs liegt.
Diese Arbeit analysiert die schwache Skalierbarkeit von zeitparallelen Schwarz-Verfahren für parabolische Optimierungssteuerprobleme durch spektrale Analysen und numerische Experimente, womit erstmals ein theoretisches Werkzeug zur Bewertung der Eignung dieser Methoden für Hochleistungsrechnen bereitgestellt wird.
Dieser Artikel untersucht kontinuierliche Zeitmodelle heterogener Agenten mit rekursiver Nutzenfunktion und Präferenz für späte Unsicherheitsauflösung im Rahmen von Mean-Field-Spielen, wobei die Existenz und Eindeutigkeit einer Lösung für die zugehörige Hamilton-Jacobi-Bellman-Gleichung sowie die Existenz von Lösungen für das Mean-Field-Spiel-System bewiesen werden.
Diese Arbeit untersucht die robuste kooperative Ausgangsregelung diskreter heterogener Multi-Agenten-Systeme mit Unsicherheiten und leitet globale sowie agentenbasierte lokale hinreichende Bedingungen für die Existenz und den Entwurf strukturierter Reglergewinne auf Basis von Linear Matrix Inequalities (LMIs) her.
Dieser Beitrag erweitert das Problem der Mikro-Transit-Zonierung durch die Einführung eines globalen Budgets anstelle von Größenbeschränkungen und löst es mittels eines effizienten Column-Generation-Rahmens mit Heuristiken, der in umfangreichen Experimenten in US-Städten überlegene Lösungen liefert.
Die vorgestellte Arbeit entwickelt ein Transfer-Learning-Framework mit zwei Optimierungsstufen, das einen universellen Merkmalsextraktor und einen domänenspezifischen Adapter kombiniert, um bei unterabgetasteten MRT-Bildern auch mit begrenzten Trainingsdaten hochwertige Rekonstruktionen zu erzielen.
Dieses Papier stellt ein verteiltes Optimierungsprotokoll vor, das es Portfolio-Managern ermöglicht, durch iterative Anpassungen ihrer Handelslisten ohne Offenlegung ihrer Strategien die Transaktionskosten für das gesamte Fondsunternehmen zu senken.
Diese Arbeit stellt den Drag-Aware Aerodynamic Manipulability (DAAM) vor, einen geometrischen Rahmen für die Kraftzuweisung redundanter Multirotoren, der durch eine riemannsche Metrik und die Optimierung des manipulierbaren Volumens motorische Drehmomentgrenzen sowie aerodynamischen Widerstand explizit berücksichtigt, um eine koordinateninvariante Redundanzauflösung zu ermöglichen.
Dieser Beitrag untersucht ein endzeitliches Optimierungsproblem für Konsum, Investition und Jobwechsel mit zeitvariablen Wechselkosten und charakterisiert die optimale Strategie durch die Analyse eines parabolischen Doppel-Hindernisproblems mit zeitabhängigen Schranken, für das Existenz, Eindeutigkeit und die Glattheit der freien Ränder nachgewiesen werden.