337 articoli
Questo lavoro rivisita la dualità Eckstein-Ferris-Pennanen-Robinson identificando la paramonotonicità come condizione chiave per l'equivalenza tra punti di sella e soluzioni primali-duali, caratterizzando la dualità totale nel contesto dei sottodifferenziali e derivando formule di proiezione per l'analisi dell'algoritmo di Chambolle-Pock.
Questo articolo propone e analizza l'algoritmo AGILS, un metodo di tipo gradiente alternato basato sulla riformulazione tramite inviluppo di Moreau per risolvere problemi di ottimizzazione bilevel con soluzioni di livello inferiore approssimate, dimostrandone la convergenza e l'efficacia attraverso esperimenti numerici.
Questo lavoro analizza l'approccio dell'equazione di Riccati dipendente dallo stato (SDRE) per il controllo ottimo non lineare, esaminandone le basi teoriche, gli errori di approssimazione e le strategie numeriche, con risultati che dimostrano la superiorità del metodo iterativo Newton-Kleinman nel controllo di equazioni alle derivate parziali non lineari.
Questo articolo introduce un metodo generale di riduzione degli scenari per l'ottimizzazione robusta distribuzionale che, proiettando l'insieme di ambiguità su un sottoinsieme ridotto, garantisce un'alta qualità della soluzione e tempi di calcolo ridotti sia per problemi lineari che quadratici.
Questo articolo presenta un algoritmo stocastico che garantisce la convergenza quasi certa alla norma dell'operatore per rilevare la discrepanza tra l'aggiunto di una mappa lineare e un'altra, utilizzando solo implementazioni a scatola nera per la valutazione della mappa e del suo aggiunto.
Il paper presenta un metodo di splitting operatoriale scalabile e ad alte prestazioni, implementato nel pacchetto open-source CVQP, per risolvere efficientemente problemi di programmazione quadratica su larga scala con vincoli CVaR, superando di ordini di grandezza i solutori generici grazie a un algoritmo specializzato per la proiezione sui vincoli.
Questo lavoro propone un approccio generale ai metodi di splitting forward-backward per risolvere problemi di inclusione monotona con operatori a valore singolo non necessariamente cocoercivi, offrendo una struttura flessibile basata su matrici di coefficienti che unifica algoritmi esistenti, ne genera di nuovi e ne abilita l'implementazione distribuita e decentralizzata.
Il documento presenta un metodo di ottimizzazione bayesiana basato su regioni di fiducia che integra la replica adattiva per gestire efficacemente funzioni stocastiche ad alta varianza, migliorando significativamente sia l'accuratezza della soluzione che l'efficienza computazionale rispetto alle tecniche tradizionali.
Il paper introduce StablePCA, un framework di apprendimento robusto rispetto alla distribuzione che risolve il problema non convesso dell'estrazione di rappresentazioni latenti condivise da dati multi-sorgente tramite una rilassazione convessa risolta con un algoritmo Mirror-Prox, fornendo garanzie di convergenza globale e condizioni per la precisione della rilassazione.
Il paper propone un framework unificato di meta-apprendimento profondo basato su ottimizzazione srotolata che, integrando regolarizzazione non convessa e adattamento rapido, migliora significativamente la ricostruzione e la sintesi di risonanza magnetica accelerata multi-bobina e multi-modale rispetto ai metodi supervisionati tradizionali.
Il documento presenta un metodo di Lagrangiana aumentata adattivo e protetto per la minimizzazione di funzioni DC non lisce soggette a vincoli convessi, dimostrando la convergenza delle iterazioni verso un punto KKT generalizzato sotto opportune condizioni e validando l'approccio attraverso esperimenti numerici.
Questo articolo sviluppa un quadro teorico generale per il controllo ottimale della densità di probabilità su spazi di misura, stabilendo un principio di massimo e un'equazione di Hamilton-Jacobi-Bellman per problemi multi-agente su larga scala, e propone un algoritmo numerico scalabile basato su reti neurali profonde per affrontarli.
Il paper introduce LoFT, un metodo di adattamento a basso rango che allinea le dinamiche interne dell'ottimizzatore con quelle del full fine-tuning proiettando i momenti di Adam nello stesso sottospazio, riducendo così il divario prestazionale rispetto ai metodi standard come LoRA senza aumentare i costi di inferenza.
Questo articolo stabilisce l'esistenza e l'unicità di soluzioni per un problema di controllo ottimo globale nel tempo per fluidi stocastici di terzo grado su un toro bidimensionale, dimostrando la ben posta del sistema, la derivabilità dell'applicazione controllo-stato e l'esistenza di condizioni di ottimalità del primo ordine.
Questo articolo presenta un quadro unificato basato sul guscio di Davis-Wielandt per l'analisi grafica della stabilità dei sistemi LTI MIMO, introducendo il concetto di grafo relativo scalato ruotato (-SRG) come rappresentazione mista guadagno-fase che fornisce il criterio di stabilità a due dimensioni meno conservativo per i loop di feedback bi-componente.
Questo lavoro dimostra come un'entità malintenzionata possa ingannare le verifiche di conformità al regolamento UE sull'IA manipolando i dati per apparire equi, analizzando le vulnerabilità di tali attacchi e proponendo metodi statistici per rilevare queste distorsioni distribuzionali.
Questo articolo presenta un quadro euristico basato sul metodo ADMM, sia centralizzato che distribuito, per risolvere problemi di ottimizzazione non convessa su larga scala vincolati da alberi di copertura, applicandolo con successo alla progettazione di flussi multicommodity con vincoli di salto e dimostrando attraverso esperimenti numerici la capacità di ottenere soluzioni di alta qualità e quasi ottimali.
Questo articolo propone la classe di metodi F²SA-p, che utilizza differenze finite di ordine p per approssimare il gradiente iperbolico nell'ottimizzazione bilevel stocastica, migliorando il limite superiore di complessità fino a per problemi altamente lisci e dimostrando la quasi-ottimalità di tale approccio rispetto al limite inferiore .
Questo articolo stabilisce l'esistenza, l'unicità e la regolarità globale di soluzioni classiche positive per una classe di equazioni di Hamilton-Jacobi-Bellman quasilineari su domini convessi limitati, fornendo una dimostrazione costruttiva basata su uno schema di iterazione monotona pesata, una derivazione probabilistica tramite diffusi di Itô controllate e applicazioni numeriche nella pianificazione della produzione stocastica e nel restauro delle immagini.
Lo studio dimostra empiricamente che, mentre il tempo di esecuzione della ricerca greedy nel modello Sherrington-Kirkpatrick è universale rispetto alla distribuzione dei coefficienti di accoppiamento, quello della ricerca riluttante proposta da Parisi non lo è, mostrando una sensibilità significativa, in particolare quando i coefficienti hanno supporto discreto su una griglia equispaziata.