338 artículos
Este trabajo presenta un algoritmo híbrido cuántico-clásico para la optimización robusta en línea que, mediante técnicas cuánticas como la preparación de estados y la estimación de normas, logra una mejora cuadrática en la dependencia de la dimensión respecto al algoritmo clásico original, aplicándose con éxito a problemas en finanzas e ingeniería.
Este artículo presenta los primeros algoritmos de aproximación con factor constante para el problema de intercambio paralelo de fichas en topologías de grafos comunes en computación cuántica, como ciclos, estrellas subdivididas y rejillas, abordando también el factor de estiramiento de cotas inferiores y la versión coloreada del problema para reducir la profundidad de circuitos cuánticos.
Este artículo presenta un método computacionalmente eficiente que converge globalmente a puntos B-estacionarios en programas matemáticos con restricciones de equilibrio, demostrando bajo la condición MPEC-MFCQ que requiere resolver solo un número finito de subproblemas y ofreciendo ventajas de robustez y velocidad sobre enfoques existentes.
El artículo demuestra que el diámetro de las bolas pequeñas en variedades subriemannianas es exactamente el doble de su radio, y que este resultado se mantiene aproximado incluso cuando la regularidad de la estructura desciende a , independientemente de la condición de generación por corchetes.
El artículo presenta ASMOP, un método de región de confianza estocástica no monótona con muestreo adicional para problemas de optimización multiobjetivo sin restricciones, demostrando su convergencia estocástica y eficiencia competitiva en tareas de clasificación binaria de aprendizaje automático.
Este artículo presenta un marco teórico para resolver problemas de optimización no convexa y no suave multicomposite, estableciendo equivalencias entre sus reformulaciones para calcular puntos d-estacionarios y aplicando estos resultados al entrenamiento de redes neuronales recurrentes.
Este artículo presenta un controlador de aprendizaje por refuerzo basado en Soft Actor-Critic que integra una DeepONet preentrenada con control de retroceso para estabilizar sistemas de ecuaciones en derivadas parciales, logrando un rendimiento superior al de los métodos estándar y al controlador de retroceso tradicional.
Este trabajo utiliza la teoría de contracción para demostrar que la semicontracción en el espacio observable es una condición suficiente para que dos redes de sistemas no lineales, como osciladores de Kuramoto, sean indistinguibles a partir de mediciones parciales, lo que limita la identificabilidad de sus estructuras topológicas.
Este trabajo analiza las limitaciones para identificar la topología de sistemas lineales en red a partir de mediciones parciales, demostrando que la ambigüedad estructural está determinada por el espacio nulo de la matriz de observabilidad y que observar más del 6% de los nodos permite clasificar correctamente aproximadamente el 99% de las conexiones.
Este artículo presenta la validación experimental de una máquina de ruptura espontánea de simetría (SSBM) mediante un sistema de referencia a pequeña escala y su simulación numérica en el problema K2000, demostrando su capacidad para encontrar estados extremadamente estables únicos, lo que constituye una ventaja significativa frente a otros simuladores.
Este artículo extiende los resultados existentes sobre la recuperación exacta de submatrices densas mediante programación convexa, estableciendo condiciones suficientes para resolver el problema en tiempo polinomial en entornos más realistas que contienen múltiples submatrices densas de tamaños variables, tanto en modelos estocásticos como adversarios, y validando teóricamente y empíricamente estas transiciones de fase.
Este artículo estudia el intercambio óptimo de riesgos en redes descentralizadas, caracterizando las reglas de reparto lineal entre amigos conectados y estableciendo una conexión con el laplaciano del grafo en el caso de reparto equitativo.
Este artículo presenta un marco de optimización y refinamiento que combina programación no lineal entera mixta con cálculo simbólico exacto para resolver el problema del triángulo de Heilbronn en el cuadrado unitario, demostrando la optimalidad global de la configuración para en solo 15 minutos y derivando coordenadas exactas para entre 5 y 9.
Este artículo establece las condiciones de optimalidad de primer y segundo orden para el control óptimo de una ecuación de onda amortiguada bilineal en un horizonte temporal infinito, demostrando la existencia de controles óptimos, la diferenciabilidad de la aplicación control-estado y la caracterización completa de la optimalidad local mediante desigualdades variacionales y la coercividad del hessiano.
Este artículo resuelve la incompatibilidad entre dos enfoques clásicos de condiciones necesarias en control óptimo mediante conos QDQ y aplica este resultado para establecer una conexión entre la existencia de brechas de infimo en minimizadores estrictos y la anormalidad de orden superior en el principio del máximo.
Este artículo establece condiciones bajo las cuales los métodos de Runge-Kutta de múltiples etapas preservan la fuerte contractividad al discretizar sistemas continuos infinitesimalmente contractivos, derivando criterios para métodos explícitos e implícitos que extienden las garantías clásicas a las normas , y , y demostrando que la contractividad infinitesimal fuerte de un sistema auxiliar garantiza la unicidad de la solución de las ecuaciones implícitas.
El artículo presenta KProxNPLVM, un nuevo modelo de variables latentes probabilístico no lineal que utiliza un operador de relajación basado en la distancia de Wasserstein para eliminar el error de aproximación inherente a la inferencia variacional amortizada convencional y mejorar así la precisión de los sensores blandos.
Este artículo propone un marco unificado de fusión tensorial que aborda la fusión ciega de imágenes hiperespectrales y multiespectrales como un problema inverso acoplado, permitiendo la estimación conjunta de la imagen de alta resolución, la función de dispersión espacial y la respuesta espectral mediante un algoritmo ADMM parcialmente linealizado sin necesidad de preentrenamiento.
Este artículo propone un método de estimación simultánea de múltiples distribuciones discretas unimodales bajo restricciones de orden estocástico, formulado como un problema de optimización cuadrática convexa mixta-entera que demuestra una reducción significativa en la divergencia Jensen-Shannon en escenarios con muestras pequeñas.
Este trabajo presenta un marco mecánico cuántico que modela la optimización basada en cuantización mediante la ecuación de Schrödinger, demostrando que el efecto túnel cuántico permite escapar de mínimos locales para garantizar la convergencia global y unificar la optimización combinatoria y continua.