304 articles
Cet article analyse l'existence des observateurs basés sur l'estimation de paramètres (PEBO) pour les systèmes non linéaires généraux en examinant en détail les propriétés de transformabilité et d'identifiabilité, et en fournissant des conditions suffisantes pour leur validité.
Cet article propose un algorithme d'optimisation distribuée adaptatif (DPS-LA) qui ajuste les valeurs de niveau pour permettre l'utilisation de pas de Polyak sans connaître les valeurs optimales globales, garantissant ainsi un consensus réseau et une convergence linéaire.
Cet article propose des heuristiques simples et quasi optimales pour guider les infirmières praticiennes dans la décision de traiter indépendamment ou de collaborer par télémedicine avec un médecin généraliste, afin d'optimiser le flux de patients dans un système de soins en deux étapes tout en identifiant les conditions où l'investissement en infrastructure de télémedicine est essentiel.
Cet article propose une nouvelle solution en forme fermée pour le problème de formation de faisceaux adaptative robuste, qui surpasse les méthodes existantes en efficacité computationnelle, en simplicité de dérivation et en capacité à gérer les matrices de covariance de rang inférieur, tout en établissant pour la première fois les conditions d'existence et d'unicité de la solution.
Cette étude démontre la faisabilité temps réel d'une méthode de contrôle prédictif par modèle (MPC) utilisant un solveur à ensembles actifs (DAQP) sur un nano-drone Crazyflie 2.1 à 500 Hz, surpassant les solveurs ADMM en temps d'exécution et introduisant une méthode de sélection de données par PCA pour certifier la faisabilité temps réel hors ligne.
Ce papier présente SHANG++, une méthode d'accélération stochastique robuste qui améliore la convergence et la stabilité sous bruit multiplicatif grâce à une correction d'amortissement, surpassant les méthodes existantes en efficacité et en résistance au bruit.
Cet article propose une méthode pour calculer des bornes de gain pour les systèmes de Lur'e sur des plages de fréquence et d'amplitude limitées en utilisant des graphes relatifs mis à l'échelle (SRG), permettant ainsi de générer un diagramme de Bode non linéaire tridimensionnel moins conservateur que les approches classiques.
Cet article propose une approche catégorielle de l'optimisation convexe en définissant une catégorie dont les objets sont des problèmes d'optimisation, permettant ainsi de réétablir des résultats classiques tels que le théorème minimax et l'involution de la transformée de Legendre.
Cet article propose une méthode de décomposition de Lagrange augmentée stochastique (ADMM) pour l'optimisation convexe composite non lisse dans les espaces de Hilbert, en démontrant sa convergence forte et des taux de convergence non ergodiques accélérés pour des applications liées aux équations aux dérivées partielles stochastiques.
Cet article introduit les noyaux de Christoffel-Darboux mollifiés sur les variétés, une régularisation systématique permettant de remplacer la croissance linéaire par une borne uniforme à l'intérieur du support et d'assurer une récupération quantitative et cohérente des densités à partir de données de moments sans connaître la mesure d'équilibre.
Cet article propose un modèle étendu de planification robuste de l'engagement des unités (RE-RPfair) intégrant l'équité dans l'allocation de la suppression des énergies renouvelables, dont l'efficacité est démontrée par simulation via l'indice de Gini.
Cet article présente un modèle de programmation linéaire en nombres entiers pour formaliser et résoudre le puzzle logique Evolomino, incluant un algorithme de génération d'instances garantissant une solution unique et démontrant l'efficacité d'un solveur CP-SAT sur des grilles allant jusqu'à 18x18.
Cette étude analyse un problème de contrôle Dirichlet linéaire-quadratique régi par une équation elliptique non coercive sur un domaine polygonal non convexe, en utilisant une régularisation de Tikhonov dans une semi-norme d'énergie et des maillages gradués pour établir des estimations d'erreur optimales via des espaces de Sobolev pondérés.
Cet article propose un cadre unifié primal-dual proximal (UPP) pour l'optimisation non convexe distribuée, qui intègre des méthodes existantes, établit des garanties de convergence sous-linéaire et linéaire sous certaines conditions, et introduit des variantes accélérées par Chebyshev atteignant une complexité de communication optimale.
Cet article présente un cadre d'identification de système couplé thermo-mécanique unidirectionnel, basé sur l'optimisation et la méthode adjointe, capable de localiser les faiblesses structurelles et de reconstruire le champ de température à partir de mesures dispersées de déplacement et de température, surpassant ainsi les hypothèses de température constante ou d'interpolation, notamment lorsque les capteurs ne capturent pas entièrement les tendances thermiques.
Cet article propose un nouvel algorithme d'agrégation de descente bilevel basé sur la méthode ADMM pour la sélection d'hyperparamètres, qui garantit une convergence globale sans hypothèse de singleton au niveau inférieur et démontre une robustesse supérieure sur des problèmes de statistiques pénalisés par l'elastic-net.
Cet article propose une approche de contrôle optimal rigoureuse pour l'entraînement des Transformers, modélisant l'architecture comme un système de particules contrôlé dont la dynamique est transformée en un processus de décision markovien complet, permettant ainsi d'établir l'existence de politiques globalement optimales et de concevoir une procédure d'entraînement quantifiée robuste sans recourir à la descente de gradient.
Cet article affine les bornes connues sur les dimensions des faces maximales du cône des matrices complètement positives en démontrant que la borne inférieure exacte est égale à pour tout impair, et en établissant qu'elle se situe entre et pour tout pair supérieur ou égal à 8.
Ce papier propose une enquête sur les techniques de moyennage dans les méthodes de gradient stochastique, en couvrant leurs fondements théoriques, leurs développements récents en apprentissage automatique et leurs applications, tout en soulignant les problèmes ouverts pour la recherche future.
Cet article caractérise un équilibre de Nash entre des échanges décentralisés (DEX) qui fixent des frais dynamiques concurrentiels, révélant que cette compétition réduit les coûts d'exécution pour les traders stratégiques tout en modifiant l'impact sur les traders bruyants selon le niveau d'activité du marché.