342 artículos
Este artículo establece una teoría general para métodos de descenso de primer orden con direcciones restringidas a un diccionario en espacios de Banach reflexivos, introduciendo una condición geométrica basada en conjuntos normantes que garantiza la densidad y permite derivar tasas de convergencia cuantitativas y precisas para problemas variacionales, aproximación de alta dimensión y optimización estructurada.
Este trabajo establece condiciones necesarias y suficientes para la linealización global de sistemas dinámicos continuos en espacios conexos compactos o con atractores mediante la existencia de incrustaciones diferenciables en sistemas lineales de mayor dimensión, extendiendo así teoremas clásicos como los de Hartman-Grobman y Floquet.
Este trabajo propone un marco algorítmico que combina la persistencia de mini-lotes, reglas de tipo gradiente conjugado para el parámetro de momento y búsquedas de línea estocásticas, logrando así una optimización eficiente y convergente que supera a los métodos existentes en problemas de aprendizaje profundo a gran escala.
Este trabajo propone un método de conversión de dos pasos de problemas 3-SAT a formulaciones QUBO, respaldado por una demostración rigurosa, para resolver instancias de 78 variables con solvers digitales que alcanzan precisión de vanguardia, facilitando así su aplicación en dispositivos cuánticos y sus contrapartes digitales.
Este artículo presenta un algoritmo de minimización de bloque mediante mayorización para optimización no convexa con restricciones en variedades de Riemann, demostrando su convergencia a puntos estacionarios con una complejidad de y validando experimentalmente su superioridad frente a métodos euclidianos estándar.
Este trabajo propone un algoritmo de minimización alternada proximal aprendida (LPAM) y su red neuronal asociada (LPAM-net) para resolver problemas de optimización no convexos y no suaves de dos bloques, garantizando la convergencia a puntos estacionarios de Clarke y demostrando su eficacia y eficiencia paramétrica en la reconstrucción de imágenes de resonancia magnética multimodal.
Este artículo establece las bases teóricas para resolver las ecuaciones de Navier-Stokes con simetría axial en un cilindro mediante una base funcional de formas armónicas (Beltrami, anti-Beltrami y cerradas) que reduce el problema a una jerarquía de relaciones cuadráticas, las cuales se propone determinar mediante un algoritmo de redes neuronales informadas por física.
Este artículo presenta un marco de co-diseño que optimiza conjuntamente la topología de comunicación y los niveles de privacidad diferencial en el control de formación de agentes multiagente, abordando las compensaciones entre privacidad, rendimiento del sistema y conectividad de la red.
Este artículo presenta y analiza el Método de Gradiente Multiplicativo Generalizado (GMG) para resolver una clase de problemas de optimización convexa sobre conos simétricos sin gradiente Lipschitz, demostrando una tasa de convergencia de y una superioridad computacional frente a otros métodos de primer orden en diversas aplicaciones.
Este artículo presenta un marco de optimización robusta distribucional para el problema de retención en tierra en aeropuertos, que utiliza conjuntos de ambigüedad de Wasserstein y un algoritmo híbrido de corte de Kelly con el método L cuadrado entero para generar políticas de retención de vuelos más resilientes y eficientes frente a incertidumbres en la capacidad de llegada.
Este artículo utiliza un enfoque de optimización inversa en procesos de decisión de Markov para demostrar que las decisiones de los entrenadores de la NFL sobre el cuarto down reflejan preferencias de riesgo conservadoras que han aumentado con el tiempo, explicando así la discrepancia entre su comportamiento observado y los modelos estadísticos tradicionales.
Este artículo propone dos algoritmos de un solo bucle de orden cero, ZO-PDAPG y ZO-RMPDPG, que garantizan la convergencia a puntos estacionarios para problemas minimax no convexos con restricciones lineales acopladas en entornos deterministas y estocásticos, estableciendo nuevos estándares de complejidad iterativa y superando a los métodos existentes.
Este artículo presenta la Colaboración de Datos Ortogonal (ODC), un método que mejora la eficiencia y la estabilidad numérica de la colaboración de datos al imponer bases ortonormales, lo que permite una alineación de bases de forma cerrada, reduce drásticamente la complejidad computacional y garantiza un rendimiento invariante sin comprometer la privacidad.
Este artículo presenta las Funciones de Valor de Control Lyapunov Robusto (R-CLVF) para sistemas no lineales con perturbaciones acotadas, definiendo el conjunto invariante robusto más pequeño y la región de estabilización exponencial, mientras propone técnicas de inicialización y descomposición para mitigar la maldición de la dimensionalidad en su cálculo.
Este artículo propone y analiza algoritmos de búsqueda aleatoria y voraz (MRG, DRG y Random-WSSA) para resolver problemas de selección de sensores con submodularidad débil bajo restricciones presupuestarias y de rendimiento, garantizando soluciones robustas con alta probabilidad y demostrando su eficacia en constelaciones de satélites de observación terrestre.
Este trabajo propone un enfoque de optimización submodular multi-tarea que, mediante regularización de entropía relativa y dualidad, logra una distribución localmente robusta y computacionalmente eficiente al equilibrar el rendimiento y la robustez en la selección de subconjuntos, validado experimentalmente en tareas de selección de satélites y resumen de imágenes.
Este artículo estudia problemas de control estocástico singular en espacios de Hilbert, demostrando que la función de valor es una solución de viscosidad de una desigualdad variacional y estableciendo un principio de ajuste suave de segundo orden en la dirección controlada mediante la conexión con problemas de parada óptima.
Este artículo presenta un algoritmo asintóticamente óptimo para un problema de aprendizaje en línea con decisiones irreversibles de cobertura, demostrando que una política que equilibra la exploración inicial con la explotación posterior minimiza el arrepentimiento y justifica el uso de programas piloto antes de una expansión completa.
Este estudio establece condiciones necesarias y suficientes para la estabilidad de entrada acotada (ISS) en sistemas conmutados impulsivos con modos estables e inestables, proponiendo funciones de Lyapunov dependientes del tiempo y técnicas de construcción que relajan las restricciones de conmutación y se aplican incluso cuando la señal de conmutación es desconocida.
Este artículo estudia las propiedades fundamentales de las funciones paraconvexas y analiza la convergencia de métodos de subgradiente proyectado con diversos tamaños de paso para su optimización, validando teóricamente y numéricamente su eficacia en problemas de recuperación robusta de matrices de bajo rango.