342 artículos
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.
Este artículo demuestra que el entrenamiento de redes neuronales mediante flujo de gradiente en el espacio de Wasserstein sufre de la maldición de la dimensionalidad, donde la tasa de decaimiento del riesgo poblacional está limitada por la dimensión del espacio y la suavidad de la función objetivo, independientemente de si se utilizan funciones de activación Lipschitz o localmente Lipschitz.
El artículo propone y analiza Clip21-SGD2M, un nuevo método para el aprendizaje federado que combina recorte, momento de tipo heavy-ball y retroalimentación de errores para lograr simultáneamente tasas de convergencia óptimas y garantías de privacidad diferencial en problemas no convexos con datos heterogéneos.
En esta nota se comparan varias nociones de no rigidez de vectores horizontales en grupos de Carnot, motivadas por la caracterización de conjuntos monótonos y propiedades de extensión de Whitney.
Este trabajo propone un método de aprendizaje inverso de refuerzo basado en entropía máxima y espacios de Hilbert de núcleo reproductor (RKHS) para juegos de campo medio, que permite inferir funciones de recompensa no lineales en horizontes infinitos y finitos, superando las limitaciones de los enfoques lineales existentes y demostrando una recuperación de políticas significativamente más precisa en escenarios de tráfico.
Este artículo presenta un algoritmo primal-dual acelerado por inercia, derivado de un sistema diferencial de segundo orden con escalado temporal, que logra tasas de convergencia rápidas para la brecha primal-dual, la violación de factibilidad y el residuo objetivo en problemas de optimización convexa no suave con restricciones de igualdad lineales.
Este artículo presenta un algoritmo de gradiente estocástico proximal con reducción de varianza y paso adaptativo para optimización convexa compuesta, demostrando su convergencia fuerte, tasa de error y eficacia mediante experimentos numéricos en regresión logística y Lasso.
Este trabajo presenta un nuevo marco teórico basado en una formulación matricial para derivar cotas superiores e inferiores del problema de flujo de trabajo de permutación, logrando mejoras significativas en las cotas de la mayoría de las instancias de los conjuntos de datos Taillard y VRF, además de aportar avances teóricos sobre la calidad de las cotas inferiores y la relación de aproximación asintótica.
Este artículo propone un nuevo algoritmo descentralizado de ADMM simétrico que, mediante múltiples rondas de comunicación por iteración y reglas de transmisión óptimas, reduce significativamente el costo total de comunicación y logra convergencia lineal en problemas de optimización compuesta sobre redes sin coordinador central.
El artículo presenta FlexQP, un solver de programación cuadrática siempre factible basado en relajación , y su versión acelerada Deep FlexQP mediante desdoblamiento profundo, la cual supera a los métodos existentes en velocidad y éxito al resolver problemas de optimización no lineal y filtros de seguridad predictiva.
Este artículo presenta D-APDB, un algoritmo distribuido acelerado de primal-dual con retroalimentación que resuelve problemas de optimización convexa con restricciones privadas en redes descentralizadas sin requerir conocimiento previo de las constantes de Lipschitz, logrando una tasa de convergencia óptima de .
Este trabajo establece garantías de convergencia más agudas y precisas para el optimizador Muon mediante un análisis directo que elimina suposiciones restrictivas, logrando tasas de convergencia más rápidas y abarcando un conjunto más amplio de configuraciones de problemas no convexos.
El artículo presenta YuriiFormer, un marco variacional que interpreta las capas de los transformadores como iteraciones de un algoritmo de optimización, lo que permite diseñar arquitecturas aceleradas por Nesterov que superan consistentemente a las baselines estándar en tareas de lenguaje.
Este artículo demuestra que el problema de flujo de trabajo de permutación robusto bajo incertidumbre presupuestada puede resolverse mediante la resolución de un número polinómico de instancias del problema nominal, lo que permite su solución exacta en tiempo polinómico para dos máquinas y su aproximación para un número fijo de máquinas.
Este artículo demuestra que la imagen real del cociente de una variedad algebraica bajo una acción de grupo es métricamente rara, lo que explica estadísticamente la prevalencia de simetría en puntos críticos y la tendencia de los mínimos globales hacia estados de alta simetría en problemas de optimización invariante.
Este trabajo presenta un método de optimización basado en escenarios multietapa que utiliza un enfoque de partículas Fleming-Viot para generar escenarios de vientos bajos extremos y así lograr un control robusto y rentable de las plantas de energía convencionales ante la incertidumbre de las renovables.
Este artículo demuestra que la optimización de políticas para el control mixto H2/H-infinito posee una estructura no convexa benigna donde todo punto estacionario es globalmente óptimo, gracias a un marco de elevación convexa extendida que caracteriza el conjunto factible y facilita métodos escalables.
Este artículo propone un método de localización por pertenencia a conjuntos basado en programación convexa para estimar la ubicación de un punto en a partir de mediciones de distancia ruidosas con errores acotados, caracterizando un conjunto de localización no convexo y generando estimaciones garantizadas mediante envolventes externas simples como cajas o elipsoides.
Este artículo presenta una solución probabilística para problemas de control óptimo lineal-cuadrático con restricciones de estado, proporcionando una representación de la función de valor y un control óptimo explícito bajo condiciones suaves de regularidad.
Este artículo demuestra que, en redes neuronales ReLU de alta dimensión con datos aleatorios, el sesgo implícito del descenso de gradiente aproxima la solución de mínima norma L2 con alta probabilidad, presentando una brecha del orden de entre el número de ejemplos y la dimensión de las características.